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)

你可能遇到的问题

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

我的优酷播单： http://list.youku.com/albumlist/show/id_52338354