deep learning for image processing

2025-12-10 0 485

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
  • 课程中所有PPT都放在course_ppt文件夹下,需要的自行下载。

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
      • Pytorch搭建ResNet网络
      • Tensorflow2搭建ResNet网络
    • ResNeXt (已完成)

      • ResNeXt网络讲解
      • Pytorch搭建ResNeXt网络
    • MobileNet_V1_V2(已完成)

      • MobileNet_V1_V2网络讲解
      • Pytorch搭建MobileNetV2网络
      • Tensorflow2搭建MobileNetV2网络
    • MobileNet_V3(已完成)

      • MobileNet_V3网络讲解
      • Pytorch搭建MobileNetV3网络
      • Tensorflow2搭建MobileNetV3网络
    • ShuffleNet_V1_V2 (已完成)

      • ShuffleNet_V1_V2网络讲解
      • 使用Pytorch搭建ShuffleNetV2
      • 使用Tensorflow2搭建ShuffleNetV2
    • EfficientNet_V1(已完成)

      • EfficientNet网络讲解
      • 使用Pytorch搭建EfficientNet
      • 使用Tensorflow2搭建EfficientNet
    • EfficientNet_V2 (已完成)

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

      • RepVGG网络讲解
    • 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

    • 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网络讲解
      • FCN源码解析(Pytorch版)
    • DeepLabV3 (已完成)

      • DeepLabV1网络讲解
      • DeepLabV2网络讲解
      • DeepLabV3网络讲解
      • 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)
    • U2Net (已完成)

      • U2Net网络讲解
      • U2Net源码解析(Pytorch版)
  • 实例分割

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

    • DeepPose(已完成)

      • DeepPose网络讲解
      • DeepPose源码解析(Pytorch版)
    • HRNet(已完成)

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

更多相关视频请进入我的bilibili频道查看


欢迎大家关注下我的微信公众号(阿喆学习小记),平时会总结些相关学习博文。

如果有什么问题,也可以到我的CSDN中一起讨论。
https://blog.cs***dn.net/qq_37541097/article/details/103482003

我的bilibili频道:
https://space.bil**i*bili.com/18161609/channel/index

下载源码

通过命令行克隆项目:

git clone https://github.com/WZMIAOMIAO/deep-learning-for-image-processing.git

收藏 (0) 打赏

感谢您的支持,我会继续努力的!

打开微信/支付宝扫一扫,即可进行扫码打赏哦,分享从这里开始,精彩与您同在
点赞 (0)

申明:本文由第三方发布,内容仅代表作者观点,与本网站无关。对本文以及其中全部或者部分内容的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。本网发布或转载文章出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,也不代表本网对其真实性负责。

左子网 编程相关 deep learning for image processing https://www.zuozi.net/33453.html

MNSPlusTrasher
上一篇: MNSPlusTrasher
cSharpToVFP
下一篇: cSharpToVFP
常见问题
  • 1、自动:拍下后,点击(下载)链接即可下载;2、手动:拍下后,联系卖家发放即可或者联系官方找开发者发货。
查看详情
  • 1、源码默认交易周期:手动发货商品为1-3天,并且用户付款金额将会进入平台担保直到交易完成或者3-7天即可发放,如遇纠纷无限期延长收款金额直至纠纷解决或者退款!;
查看详情
  • 1、描述:源码描述(含标题)与实际源码不一致的(例:货不对板); 2、演示:有演示站时,与实际源码小于95%一致的(但描述中有”不保证完全一样、有变化的可能性”类似显著声明的除外); 3、发货:不发货可无理由退款; 4、安装:免费提供安装服务的源码但卖家不履行的; 5、收费:价格虚标,额外收取其他费用的(但描述中有显著声明或双方交易前有商定的除外); 6、其他:如质量方面的硬性常规问题BUG等。 注:经核实符合上述任一,均支持退款,但卖家予以积极解决问题则除外。
查看详情
  • 1、左子会对双方交易的过程及交易商品的快照进行永久存档,以确保交易的真实、有效、安全! 2、左子无法对如“永久包更新”、“永久技术支持”等类似交易之后的商家承诺做担保,请买家自行鉴别; 3、在源码同时有网站演示与图片演示,且站演与图演不一致时,默认按图演作为纠纷评判依据(特别声明或有商定除外); 4、在没有”无任何正当退款依据”的前提下,商品写有”一旦售出,概不支持退款”等类似的声明,视为无效声明; 5、在未拍下前,双方在QQ上所商定的交易内容,亦可成为纠纷评判依据(商定与描述冲突时,商定为准); 6、因聊天记录可作为纠纷评判依据,故双方联系时,只与对方在左子上所留的QQ、手机号沟通,以防对方不承认自我承诺。 7、虽然交易产生纠纷的几率很小,但一定要保留如聊天记录、手机短信等这样的重要信息,以防产生纠纷时便于左子介入快速处理。
查看详情

相关文章

猜你喜欢
发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务