pytorch+net链接整理 2020-08-10

本文集合了多种深度学习目标检测算法如Faster R-CNN、YOLOv3的比较,以及卷积神经网络LeNet的详细介绍。同时,深入探讨了图像分割模型,包括UNet、SegNet、PSPNet等,并提供了相关论文解读和网络结构分析。此外,还涵盖了卷积神经网络的基本原理、Batch Normalization的深入理解及PyTorch的实际操作练习。
摘要由CSDN通过智能技术生成

FasterR-CNN,R-FCN,SSD,FPN,RetinaNet,YOLOv3速度和准确性比较

https://www.jianshu.com/p/0a6875fec23a

卷积神经网络之LeNet(详细)

https://www.cnblogs.com/wangguchangqing/p/10329402.html

PyTorch中文文档

https://pytorch-cn.readthedocs.io/zh/latest/

视频:
https://www.bilibili.com/video/BV12741177Cu

深度学习目标检测综述

https://zhuanlan.zhihu.com/p/98756890?from_voters_page=true

吴恩达网络与深度学习第三周作业 - 带有一个隐藏层的平面数据分类

https://blog.csdn.net/u013733326/article/details/79702148

全部课程传送门

mobilenet介绍

https://www.jianshu.com/p/854cb5857070

darknet介绍

https://blog.csdn.net/u010122972/article/details/83541978

pytorch实际操作练习1

https://www.cnblogs.com/wj-1314/p/9830950.html

目标检测算法之YOLO系列算法的Anchor聚类

https://blog.csdn.net/just_sort/article/details/103386047

Windows10下使用OpenVINO需要手动编译cpu_extension.lib

https://www.jianshu.com/p/32d12abc6e6a

边框回归(Bounding Box Regression)详解(较为详细)

https://blog.csdn.net/zijin0802034/article/details/77685438

MTCNN工作原理

https://blog.csdn.net/qq_36782182/article/details/83624357
网络地址:
https://github.com/imistyrain/MTCNN/blob/master/Fast-MTCNN/model/det1.prototxt
https://github.com/imistyrain/MTCNN/blob/master/Fast-MTCNN/model/det2.prototxt
https://github.com/imistyrain/MTCNN/blob/master/Fast-MTCNN/model/det3.prototxt

大话CNN经典模型:GoogLeNet(从Inception v1到v4的演进)

https://my.oschina.net/u/876354/blog/1637819

UNET论文解读及网络结构

论文解读:https://www.jianshu.com/p/f9b0c2c74488

网络结构:https://github.com/warden3344/unet

VGG论文解读及网络结构

论文解读:https://blog.csdn.net/qq_40027052/article/details/79015827
网络结构:https://github.com/davidgengenbach/vgg-caffe/blob/master/model/VGG_ILSVRC_19_layers_deploy.prototxt

segnet网络结构

https://github.com/alexgkendall/SegNet-Tutorial/tree/master/Models

MobileNet_ssd原理

https://blog.csdn.net/jiang

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值