深度学习在图像处理中的应用教程

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