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，点击跳转相应视频（后期会根据学习内容增加）

图像分类
- LeNet（已完成）
  - Pytorch官方demo(Lenet)
  - Tensorflow2官方demo
- AlexNet（已完成）
- VggNet（已完成）
- GoogLeNet（已完成）
- ResNet（已完成）
- MobileNet（已完成）
- ShuffleNet (准备中)
目标检测篇
- Faster-RCNN/FPN（进行中）
  - Faster-RCNN理论讲解
  - Faster-RCNN源码解析(Pytorch)
- SSD/RetinaNet (进行中)
  - SSD理论讲解
  - SSD源码解析(Pytorch)
- YOLOv3 SPP (进行中)
  - YOLO系列理论讲解
  - YOLOv3 SPP源码解析(Pytorch版)
目标分割

更多相关视频请进入我的bilibili频道查看

所需环境

Anaconda3（建议使用）
python3.6 / 3.7
pycharm (IDE)
pytorch 1.6 (pip package)
torchvision 0.7.0 (pip package)
tensorflow 2.2 (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