一、计算机视觉
图像分类：识别物体类别（如ResNet、EfficientNet）
目标检测：定位并分类物体（如YOLO、Faster R-CNN）
语义分割：像素级分类（如U-Net、DeepLab）
人脸识别：人脸验证与检索（如FaceNet）
二、医学影像分析
病灶检测：X光、MRI中的肿瘤识别
病理切片分析：癌细胞分类
三、自然语言处理（NLP）
文本分类：利用1D卷积处理序列数据
机器翻译：结合CNN和RNN/Transformer
四、其他领域
视频分析：动作识别、视频摘要
音频处理：语音识别、音乐生成
时间序列预测：股票价格、传感器数据分析
CNN通过卷积、池化等操作高效提取空间特征，成为图像处理领域的标配模型。随着架构优化（如残差连接、注意力机制），CNN的性能和适用范围持续扩展，是深度学习入门和实战的必学内容。