深度学习在图像处理中的应用(tensorflow2.4以及pytorch1.10实现)

深度学习在图像处理中的应用(tensorflow2.4以及pytorch1.10实现)本人在读研期间的研究方向是图像处理以及深度学习(主要是图像分类和目标检测)。在做深度学习时使用的是tensorflow深度学习框架,学习全是自学,很多资源都是在Github上找的。我发现现在Github上很多深度学习的开源项目都是用的tensorflow和pytorch框架。所以现在也开始学习pytorch框架,之前一直用的是tensorflow1.x版本,今年正好迎来了新的tensorlfow大………

大家好,欢迎来到IT知识分享网。

本人在读研期间的研究方向是图像处理以及深度学习(主要是图像分类和目标检测)。在做深度学习时使用的是tensorflow深度学习框架,学习全是自学,很多资源都是在Github上找的。我发现现在Github上很多深度学习的开源项目都是用的tensorflow和pytorch框架。所以现在也开始学习pytorch框架,之前一直用的是tensorflow1.x版本,今年正好迎来了新的tensorlfow大版本2.x时代,所以本教程主要是以tensorflow2.4以及pytorch1.10搭建模型。

写这篇博文的目的嘛,首先是巩固自己之前学的知识,其次学习pytorch以及强化tensorflow的使用,最后也能分享自己的学习心得,我想应该能帮到大家少踩点坑。

本教程的初步规划如下,针对每个模块我会先讲下原理,然后带着大家分别使用tensorflow2.4和pytorch1.10去搭建并训练网络,其中也会穿插着讲些我觉得需要注意的地方,以及一些坑,本教程所使用的代码我会放在我的GitHub中,大家可以自行下载使用:
https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

深度学习在图像处理中的应用(tensorflow2.4以及pytorch1.10实现)插图

我的bilibili频道:
https://space.bilibili.com/18161609/channel/index

在这里插入图片描述


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)

      • AlexNet网络讲解
      • Pytorch搭建AlexNet
      • Tensorflow2搭建Alexnet
    • VggNet(已完成)

      • VggNet网络讲解
      • Pytorch搭建VGG网络
      • Tensorflow2搭建VGG网络
    • GoogLeNet(已完成)

      • GoogLeNet网络讲解
      • Pytorch搭建GoogLeNet网络
      • Tensorflow2搭建GoogLeNet网络
    • ResNet(已完成)

      • ResNet网络讲解
      • ResNeXt网络讲解
      • Pytorch搭建ResNet网络
      • Pytorch搭建ResNeXt网络
      • Tensorflow2搭建ResNet网络
    • MobileNet(已完成)

      • MobileNet_v1_v2网络讲解
      • MobileNet_v3网络讲解
      • Pytorch搭建MobileNetV2网络
      • Pytorch搭建MobileNetV3网络
      • Tensorflow2搭建MobileNetV2网络
      • Tensorflow2搭建MobileNetV3网络
    • ShuffleNet (已完成)

      • ShuffleNet_v1_v2网络讲解
      • 使用Pytorch搭建ShuffleNetv2
      • 使用Tensorflow2搭建ShuffleNetv2
    • EfficientNet(已完成)

      • EfficientNet网络讲解
      • 使用Pytorch搭建EfficientNet
      • 使用Tensorflow2搭建EfficientNet
    • EfficientNetv2(已完成)

      • EfficientNetV2网络讲解
      • 使用Pytorch搭建EfficientNetV2
      • 使用Tensorflow搭建EfficientNetV2
    • Vision Transformer(已完成)

      • Multi-Head Attention讲解
      • Vision Transformer网络讲解
      • 使用Pytorch搭建Vision Transformer
      • 使用tensorflow2搭建Vision Transformer
    • Swin Transformer(已完成)

      • Swin Transformer网络讲解
      • 使用Pytorch搭建Swin Transformer
      • 使用Tensorflow2搭建Swin Transformer
    • ConvNeXt(已完成)

      • ConvNeXt网络讲解
      • 使用Pytorch搭建ConvNeXt
      • 使用Tensorflow2搭建ConvNeXt
    • MobileViT(已完成)

      • MobileViT网络讲解
      • 使用Pytorch搭建MobileViT
  • 目标检测篇

    • Faster-RCNN/FPN(已完成)
      • Faster-RCNN网络讲解
      • FPN网络讲解
      • Faster-RCNN源码解析(Pytorch)
    • SSD/RetinaNet (已完成)
      • SSD网络讲解
      • RetinaNet网络讲解
      • SSD源码解析(Pytorch)
    • YOLO Series (已完成)
      • YOLO系列网络讲解(V1~V3)
      • YOLOv3 SPP源码解析(Pytorch版)
      • YOLOV4网络讲解
      • YOLOV5网络讲解
      • YOLOX 网络讲解
    • FCOS(已完成)
      • FCOS网络讲解
  • 语义分割

    • FCN (已完成)

      • FCN网络详解
      • FCN源码解析(Pytorch版)
    • DeepLabV3 (已完成)

      • DeepLabV1网络讲解
      • DeepLabV2网络讲解
      • DeepLabV3网络详解
      • DeepLabV3源码解析(Pytorch版)
    • LR-ASPP (已完成)

      • LR-ASPP网络讲解
      • LR-ASPP源码解析(Pytorch版)
    • U-Net (已完成)

      • U-Net网络讲解
      • U-Net源码解析(Pytorch版)
  • 实例分割

    • Mask R-CNN(进行中)
      • Mask R-CNN网络讲解
      • Mask R-CNN源码解析(Pytorch版)
  • 关键点检测

    • HRNet(进行中)
      • HRNet网络讲解
      • HRNet源码解析(Pytorch版)

所需环境

  • Anaconda3(建议使用)
  • python3.6 / 3.7
  • pycharm (IDE)
  • pytorch 1.10 (pip package)
  • torchvision 0.11.1 (pip package)
  • tensorflow 2.4 (pip package)

其实我看到网上也有些相关教程,但是我觉得有的主要是讲原理并不会带你去写代码,有的是直接从GitHub上clone些大牛的代码然后和大家讲怎么去用(我之前有看到一些老师clone git上的一些大牛代码然后教你怎么用,然后课程也很贵基本都是成百上千的,表示学生党看不起),我总感觉没能很好的融合在一起,可能是我没有找到好的资源吧,哈哈。所以我就想自己总结的同时也将所学的知识分享给大家。嗯~ o( ̄▽ ̄)o,然后我想说我只是个普普通通的研究生而已(本科并不是计算机专业),很多知识都是靠研究生期间自学的并没有接受过系统的学习,有说的不对的地方还希望大家多多指教,我们共同学习。由于本人已经开始上班了,所以只能抽空余时间去准备要讲的课程,录视频以及剪辑视频,所以效率比较低,还请大家见谅。如果有什么问题,可以直接留言有空我会回复的。

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/11150.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信