深度学习在图像处理中的应用（tensorflow2.4以及pytorch1.10实现）

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）
  - Pytorch官方demo(Lenet)
  - Tensorflow2官方demo
- AlexNet（已完成）
  - AlexNet网络讲解
  - Pytorch搭建AlexNet
  - Tensorflow2搭建Alexnet
- VggNet（已完成）
  - VggNet网络讲解
  - Pytorch搭建VGG网络
  - Tensorflow2搭建VGG网络
- GoogLeNet（已完成）
  - GoogLeNet网络讲解
  - Pytorch搭建GoogLeNet网络
  - Tensorflow2搭建GoogLeNet网络
- ResNet（已完成）
  - ResNet网络讲解
  - ResNeXt网络讲解
  - Pytorch搭建ResNet网络
  - Pytorch搭建ResNeXt网络
  - Tensorflow2搭建ResNet网络
- MobileNet（已完成）
  - MobileNet_v1_v2网络讲解
  - MobileNet_v3网络讲解
  - Pytorch搭建MobileNetV2网络
  - Pytorch搭建MobileNetV3网络
  - Tensorflow2搭建MobileNetV2网络
  - Tensorflow2搭建MobileNetV3网络
- ShuffleNet (已完成)
  - ShuffleNet_v1_v2网络讲解
  - 使用Pytorch搭建ShuffleNetv2
  - 使用Tensorflow2搭建ShuffleNetv2
- EfficientNet（已完成）
  - EfficientNet网络讲解
  - 使用Pytorch搭建EfficientNet
  - 使用Tensorflow2搭建EfficientNet
- EfficientNetv2(已完成)
  - EfficientNetV2网络讲解
  - 使用Pytorch搭建EfficientNetV2
  - 使用Tensorflow搭建EfficientNetV2
- Vision Transformer(已完成)
  - Multi-Head Attention讲解
  - Vision Transformer网络讲解
  - 使用Pytorch搭建Vision Transformer
  - 使用tensorflow2搭建Vision Transformer
- Swin Transformer(已完成)
  - Swin Transformer网络讲解
  - 使用Pytorch搭建Swin Transformer
  - 使用Tensorflow2搭建Swin Transformer
- ConvNeXt(已完成)
  - ConvNeXt网络讲解
  - 使用Pytorch搭建ConvNeXt
  - 使用Tensorflow2搭建ConvNeXt
目标检测篇
- Faster-RCNN/FPN（已完成）
  - Faster-RCNN网络讲解
  - FPN网络讲解
  - Faster-RCNN源码解析(Pytorch)
- SSD/RetinaNet (已完成)
  - SSD网络讲解
  - RetinaNet网络讲解
  - SSD源码解析(Pytorch)
- YOLO Series (已完成)
  - YOLO系列网络讲解(V1~V3)
  - YOLOv3 SPP源码解析(Pytorch版)
  - YOLOV4网络讲解
  - YOLOV5网络讲解
  - YOLOX 网络讲解
- FCOS（已完成）
  - FCOS网络讲解
语义分割
- FCN (已完成)
  - FCN网络详解
  - FCN源码解析(Pytorch版)
- DeepLabV3 (已完成)
  - DeepLabV1网络讲解
  - DeepLabV2网络讲解
  - DeepLabV3网络详解
  - DeepLabV3源码解析(Pytorch版)
- LR-ASPP (已完成)
  - LR-ASPP网络讲解
  - LR-ASPP源码解析(Pytorch版)
- U-Net (已完成)
  - U-Net网络讲解
  - U-Net源码解析(Pytorch版)
实例分割
- Mask R-CNN（进行中）
  - Mask R-CNN网络讲解
  - Mask R-CNN源码解析(Pytorch版)
关键点检测
- HRNet（进行中）
  - HRNet网络讲解
  - HRNet源码解析(Pytorch版)

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。