深度学习在图像处理中的应用学习笔记

这篇学习笔记用于记录本人在读研期间的学习内容
在刚入学不久，发现一个B站up主对这方面进行了一系列的整理+总结，并上传了代码，并且非常成体系，因此本人打算跟着这位up主的步骤，对这方面进行学习并且做一个记录，同时也会写下自己一些心得，后续也会不断的更新博客内容，打算这里放链接，编辑的内容放在博客园。
在此放上up主的链接(点我)以及GitHub链接

大致内容分为图像分类，目标检测，语义分割，实例分割以及关键点检测几个内容

所需环境

这篇所涉及的项目都使用Pytorch完成

• Anaconda3（建议使用）
• python=3.6/3.7/3.8
• pycharm (IDE)
• pytorch=1.11.0 (pip package)
• torchvision=0.12.0 (pip package)
• cudatoolkit=11.3(pip下载pytorch时)

conda install pytorch==1.11.0 torchvision=0.12.0 cudatoolkit=11.3 -c pytorch `

图像分类

LeNet
论文：《Gradient-Based Learning Applied to Document Recognition》
应用：用PyTorch搭建LeNet-5手写识别
AlexNet
论文：《ImageNet Classification with Deep Convolutional Neural Networks》
应用：PyTorch搭建AlexNet实现猫狗分类
VGG
论文：《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》
应用：花分类（还没更新）
GoogLeNet
论文：《Going Deeper with Convolutions》
应用：同样也是花分类
这样方便与vgg网络对比，已经做了但最近有点忙没来及写博客，先放着后续更新，后面会把alexnet和lenet改用同样的数据集方便对比