深度学习在图像处理中的应用教程
前言
- 本教程是对本人研究生期间的研究内容进行整理总结,总结的同时也希望能够帮助更多的小伙伴。后期如果有学习到新的知识也会与大家一起分享。
- 本教程会以视频的方式进行分享,教学流程如下:
1)介绍网络的结构与创新点
2)使用Pytorch进行网络的搭建与训练
3)使用Tensorflow(内部的keras模块)进行网络的搭建与训练
教程目录(后期会根据学习内容增加)
- 图像分类
- LeNet(已完成)
- AlexNet(已完成)
- VggNet(已完成)
- GoogLeNet(已完成)
- ResNet(已完成)
- MobileNet(已完成)
- ShuffleNet (准备中)
- 目标识别检测
- Faster RCNN/FPN(进行中)
- SSD/RetinaNet (进行中)
- YOLO v3
- 目标分割
所需环境
- Anaconda3(建议使用)
- python3.6
- pycharm 2019.3 (IDE)
- pytorch 1.5 (pip package)
- torchvision 0.6.0 (pip package)
- tensorflow 2.1 (pip package)
如果有什么问题,也可以到我的CSDN中一起讨论。
https://blog.csdn.net/qq_37541097/article/details/103482003
我的bilibili频道: https://space.bilibili.com/18161609/channel/index