CV之IC：計算機視覺之圖像分類(Image Classification)方向的簡介、使用方法、案例應用之詳細攻略

目錄

圖像分類的簡介

1、相關概念

2、深度網絡模型的開端

3、圖像分類網絡模型的發展

4、圖像分類輕量化模型

圖像分類的使用方法

圖像分類的案例應用

相關文章

DL：深度學習(神經網絡)的簡介、基礎知識(神經元/感覺機、訓練政策、預測原理)、算法分類、經典案例應用之詳細攻略

DL之CNN：計算機視覺之卷積神經網絡算法的簡介(經典架構/論文)、CNN優化技術、調參學習實踐、CNN經典結構及其演化、案例應用之詳細攻略

DL之CNN：卷積神經網絡算法簡介之原理簡介(步幅/填充/特征圖)、七大層級結構(動态圖詳解卷積/池化+方塊法了解卷積運算)、CNN各層的作用等之詳細攻略

CV：人工智能之計算機視覺方向的簡介(常用資料集+CV職位)、傳統方法對比CNN類算法、計算機視覺八大應用(知識導圖+經典案例)之詳細攻略

CV之IC：計算機視覺之圖像分類(Image Classification)方向的簡介、使用方法、案例應用之詳細攻略

CV之IC：計算機視覺之圖像分類(Image Classification)方向的知識點總結

           圖像分類，是計算機視覺中的核心任務。

常用資料集：MNIST、CIFAR、Fashion-MNIST、PASCAL VOC、ImageNet

LeNet-5、AlexNet

DL之CNN：卷積神經網絡算法簡介之原理簡介——CNN網絡的3D可視化(LeNet-5為例可視化)

DL之AlexNet：AlexNet算法的簡介、論文介紹、設計思路、關鍵步驟、實作代碼等配圖集合之詳細攻略

側重結構改進：

Network in Network、

GoogleNet(Inception v1)、

BN-Inception、

Inception v2&Inception v3、

Inception v4，Inception-ResNet

側重深度增加：

VGGNet、

ResNet、

ResNeXt、

DenseNet

DL之VGGNet：VGGNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

DL之GoogleNet：GoogleNet(InceptionV1)算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

DL之BN-Inception：BN-Inception算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

DL之InceptionV2/V3：InceptionV2 & InceptionV3算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略DL之InceptionV4/ResNet：InceptionV4/Inception-ResNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

DL之ResNet：ResNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

SqueezeNet

Xception

MobileNet：MobileNet v1、MobileNet v2

ShuffleNet：ShuffleNet v1、ShuffleNet v2

DL之SqueezeNet：SqueezeNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

DL之MobileNet：MobileNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

DL之ShuffleNet：ShuffleNet算法的簡介(論文介紹)、架構詳解、案例應用等配圖集合之詳細攻略

後期更新……