本文探讨了深度学习在计算机视觉领域的应用，介绍了卷积神经网络（CNN）、分割网络（如UNet、FCN）及生成对抗网络（GAN）等核心概念。详细讲解了AlexNet、VGG、ResNet、DenseNet等经典网络结构，并提供了PyTorch入门资源，适合初学者快速上手。
概述
计算机视觉主要是使用的深度学习，机器学习的方法来解决一些图像问题。由于输入进计算机的图像都是矩阵、数字的形式，于是我们需要通过一些方法让计算机识别这些图像，从而实现一些辅助效果。
基本入门分为CNN（卷积神经网络）主要是分类，包括（AlexNet，VGG，ResNet，DenseNet），
分割（UNet，FCN）
GAN（对抗生成网络），CAM和Grad-CAM（CNN可视化方法），注意力机制。
pytorch入门
莫烦python：https://morvanzhou.github.io/
卷积神经网络
这一部分需要了解基本的卷积层，池化层等基本概念就可以试着跑一跑CNN的网络了。（AlexNet，VGG，ResNet，DenseNet）这四种网络结构，尤其是residual block和dense block需要理解原理并且了解代码结构。
分割
先看FCN，再看UNet
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
