本仓库目的
- 如果不想阅读源码,只想傻瓜式跟着教程跑起来,推荐看原仓库地址,感谢大佬们的无私奉献!
- 本仓库将代码改为统一风格,更加规范化,能够更容易、更轻松得阅读源码,以便根据自己需求进行修改。
接下来工作
目标检测
- Faster rcnn
- YOLO v1
- YOLO v3
- SSD
- FP_SSD
- Class Activation Mapping(CAM)
- S4ND
- YOLO v4 (推理注释完毕,训练部分正在跟进)
语义分割
- U-Net
其他
- SKNet
- FPN特征金字塔网络
- Noise2noise
- 该仓库将拆分为多个子仓库,仅保留readme.md
目标检测
Fatser Rcnn
- 参考知乎从编程实现角度学习FasterR-CNN
- 基本理清结构,尚未完全理解
YOLO v1
YOLO v3
YOLO v4
SSD
FP_SSD
- 实现
- 论文地址:基于特征金字塔的 SSD 目标检测改进算法
Class Activation Mapping
- 作用:分类、定位(不使用真值框进行定位,论文证明 卷积层本身就有定位功能)
- 实现:CAM_pytorch
- 论文地址:CVPR 2016 Learning Deep Features for Discriminative Localization
S4ND
- 作用:单次单尺度肺结节检测
- 实现:S4ND_Pytorch
- 论文地址:MICCAI2018 S4ND
语义分割
U-Net
其他
SKNet
- 作用:继Res\Dense\SE Block之后新的Block
- 实现:SKNet
- 论文地址:CVPR 2019 SKNet
图像去噪
- 实现:ImageDenoising_pytorch
- 论文: 基于深度卷积神经网络的图像去噪研究
Noise2noise
FPN特征金字塔网络
- 实现:FPN_pytorch
- 原地址
注:猫狗大战、风格迁移、GAN生成对抗网络在pytorch-book传送门,更多内容请进门访问,感谢大佬无私奉献。
阅读源码三步骤
- 数据预处理
- 网络模型搭建
- 损失函数定义