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
项目一般结构
-
总结构
-
项目结构
1、定义网络
2、封装数据集
3、工具类
4、主函数
