目前规划
最近打算是把yolov框架过一遍,希望能彻底了解掌握这个技术,经过阅读论文发现,以及相关老师和博客大佬的建议,在没有其他网络基础上直接硬啃yolov是不太明智的,反而不好掌握这么庞大的知识,于是将研究投向yolov之前的一些较为简单的网络,在AlexNet的基础上,过一遍论文,并且复现这个网络,在有了网络复现的基础上,再去过一遍VGG及ResNet,再复现一次,最后再复现yolov,这样的学习方式相对硬啃好一点。
资源获取
Yolov1 + Yolov2 + Yolov3 发展史、论文、代码最全资源分享合集 ! ! !
万字长文,用代码的思想讲解Yolo3算法实现原理,Visdrone数据集和自己制作数据集两种方式在Pytorch训练Yolo模型
以下是VGG,Alexnet,Resnet,Yolov1,Yolov2,Yolov3的论文链接分享。
VGGVery Deep Convolutional Networks for Large-Scale Image Recognition
AlexNetImageNet Classification with Deep Convolutional Neural Networks
ResNetDeep Residual Learning for Image Recognition
YOLOV1You Only Look Once: Unified, Real-Time Object Detection
YOLOV2YOLO9000: Better, Faster, Stronger
YOLOV3YOLOv3: An Incremental Improvement
如果遇到浏览器下载不了的问题,可以将链接复制,用迅雷软件新建任务复制进去下载即可。
学习资源
尽管读了上面的论文,实践操作还是需要有人带着过一遍会更好地提高学习效率,目前跟了一个github博主,该博主做了LeNet(CNN),AlexNet,VGGNet,GoogleNet,ResNet,EfficientNet等项目的时间操作,目标检测类的实验该博主还在进行中,以下是博主的github链接:
深度学习在图像处理中的应用教程