深度学习图像方向学习线索

本文会列出深度学习图像方向值得去关注的名词

1.代码

代码资源网站：github(源码)、stackoverflow（代码查错）

2.框架

深度学习框架选择：tensorflow、pytorch 文章《TensorFlow和PyTorch谁更好》链接：https://mp.weixin.qq.com/s/O93mdr-HMMXtnx-bpPyHEA 文章《TensorFlow王位不保？ICLR投稿论文PyTorch出镜率快要反超了》链接：https://mp.weixin.qq.com/s/O-OEEpD7rECvkDvENLlqCQ

3.信息来源

QQ群：需要自己寻找 公众号：量子位、大数据文摘、机器之心、大数据挖掘DT机器学习、我爱计算机视觉、极市平台

4.理论

国外先进论文网站：www.arxiv.org，各种顶级会议论文都可以在这里找到，需要使用V**。 必须掌握的神经网络模型，如下图所示。 其中大多数模型基于CNN，所以CNN是基础。

image.png

5.学习视频

斯坦福大学课程《cs231n》，bilibili网站链接：https://www.bilibili.com/video/av17204303 吴恩达《深度学习微专业》，网易云课堂链接：https://mooc.study.163.com/smartSpec/detail/1001319001.htm 外国大学课程视频网站，链接：http://videolectures.net/ 周莫烦tensorflow编程教学视频，链接：https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/

6.目标检测

框架：SSD、Yolo3 推荐博客《RCNN学习笔记，SSD:Single Shot MultiBox Detector》，链接：https://blog.csdn.net/smf0504/article/details/52745070 目标检测这个专业名词，直观理解如下图所示，即在图片中找出物体所在位置并判断物体类别。

image.png

7.语义分割

推荐博客《关于图像语义分割的总结和感悟》，链接：https://www.cnblogs.com/xiaoming123abc/p/5883927.html 语义分割这个专业名词，直观理解如下图所示，即不同类别物体以不同颜色标记，在无人驾驶等领域较常用。

image.png

8.总结

学术派和工程师势不两立！！ 读者要对自己有清晰的定位，要分清楚搞应用和搞研究。 学术派有一部分代码实现能力不是很好，也不愿意花时间过多在代码，遇到工程上的难题，也不屑于花时间。 本文作者作为工程师，希望自己的工作得到尊重，如果有人不尊重工程师解决问题花费的时间，这个就不能忍。