本人在读研期间的研究方向是图像处理以及深度学习（主要是图像分类和目标检测）。在做深度学习时使用的是tensorflow深度学习框架，学习全是自学，很多资源都是在Github上找的。我发现现在Github上很多深度学习的开源项目都是用的tensorflow和pytorch框架。所以现在也开始学习pytorch框架，之前一直用的是tensorflow1.x版本，今年正好迎来了新的tensorlfow大版本2.x时代，所以本教程主要是以tensorflow2.4以及pytorch1.10搭建模型。
写这篇博文的目的嘛，首先是巩固自己之前学的知识，其次学习pytorch以及强化tensorflow的使用，最后也能分享自己的学习心得，我想应该能帮到大家少踩点坑。
本教程的初步规划如下，针对每个模块我会先讲下原理，然后带着大家分别使用tensorflow2.4和pytorch1.10去搭建并训练网络，其中也会穿插着讲些我觉得需要注意的地方，以及一些坑，本教程所使用的代码我会放在我的GitHub中，大家可以自行下载使用：
https://github.com/WZMIAOMIAO/deep-learning-for-image-processing
我的bilibili频道：
https://space.bilibili.com/18161609/channel/index
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）
- AlexNet（已完成）
- VggNet（已完成）
- GoogLeNet（已完成）
- ResNet（已完成）
- MobileNet（已完成）
- ShuffleNet (已完成)
- EfficientNet（已完成）
- EfficientNetv2(已完成)
- Vision Transformer(已完成)
- Swin Transformer(已完成)
- ConvNeXt(已完成)
-
目标检测篇
- Faster-RCNN/FPN（已完成）
- SSD/RetinaNet (已完成)
- YOLO Series (已完成)
-
语义分割
-
FCN (已完成)
-
DeepLabV3 (已完成)
-
LR-ASPP (已完成)
-
U-Net (已完成)
-
-
实例分割
- Mask R-CNN（进行中）
所需环境
- Anaconda3（建议使用）
- python3.6 / 3.7
- pycharm (IDE)
- pytorch 1.10 (pip package)
- torchvision 0.11.1 (pip package)
- tensorflow 2.4 (pip package)
其实我看到网上也有些相关教程，但是我觉得有的主要是讲原理并不会带你去写代码，有的是直接从GitHub上clone些大牛的代码然后和大家讲怎么去用（我之前有看到一些老师clone git上的一些大牛代码然后教你怎么用，然后课程也很贵基本都是成百上千的，表示学生党看不起），我总感觉没能很好的融合在一起，可能是我没有找到好的资源吧，哈哈。所以我就想自己总结的同时也将所学的知识分享给大家。嗯~ o(￣▽￣)o，然后我想说我只是个普普通通的研究生而已（本科并不是计算机专业），很多知识都是靠研究生期间自学的并没有接受过系统的学习，有说的不对的地方还希望大家多多指教，我们共同学习。由于本人已经开始上班了，所以只能抽空余时间去准备要讲的课程，录视频以及剪辑视频，所以效率比较低，还请大家见谅。如果有什么问题，可以直接留言有空我会回复的。