深度学习(四)转--入门深度学习的一些开源代码

原文作者:aircraft

原文链接:

没错这篇又是转发的,因为觉得学习深度学习难免要从别人的代码开始,所以就转发了。不过转发的时候没找到原作者是谁,所以原作者看到不要打我-------QAQ

语义分割:

Awesome Semantic Segmentation
https://github.com/mrgloom/awesome-semantic-segmentation

Semantic Segmentation Algorithms Implemented in PyTorch
https://github.com/meetshah1995/pytorch-semseg

Learning Deconvolution Network for Semantic Segmentation
https://github.com/HyeonwooNoh/DeconvNet

Fully Convolutional Instance-aware Semantic Segmentation
https://github.com/daijifeng001/TA-FCN

Fully Convolutional Networks for Semantic Segmentation
https://github.com/shelhamer/fcn.berkeleyvision.org

PixelNet: Representation of the pixels, by the pixels, and for the pixels
https://github.com/aayushbansal/PixelNet

http://www.cs.cmu.edu/~aayushb/pixelNet/

ICNet for Real-Time Semantic Segmentation on High-Resolution Images
https://hszhao.github.io/projects/icnet/

https://github.com/hszhao/ICNet

SegNet: A Deep Convolutional Encoder-Decoder Architecture for Semantic Pixel-Wise Labelling

https://arxiv.org/pdf/1511.00561.pdf PAMI-2017

https://github.com/alexgkendall/caffe-segnet

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs

https://bitbucket.org/aquariusjay/deeplab-public-ver2/overview

DeconvNet : Learning Deconvolution Network for Semantic Segmentation ICCV2015
https://github.com/HyeonwooNoh/DeconvNet

http://cvlab.postech.ac.kr/research/deconvnet/

Pyramid Scene Parsing Network CVPR2017
https://github.com/hszhao/PSPNet

Fully Convolutional Instance-aware Semantic Segmentation CVPR2017
https://github.com/msracver/FCIS

ParseNet: Looking Wider to See Better
https://github.com/weiliu89/caffe/tree/fcn

深度网络模型:

Deep Residual Learning for Image Recognition
https://github.com/KaimingHe/deep-residual-networks

SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks

for Real-Time Object Detection for Autonomous Driving
https://github.com/BichenWuUCB/squeezeDet

Coordinating Filters for Faster Deep Neural Networks
https://arxiv.org/abs/1703.09746

https://github.com/wenwei202/caffe/tree/sfm

Network Dissection:

Quantifying Interpretability of Deep Visual Representations

CVPR2017
https://github.com/CSAILVision/NetDissect

人脸识别

C++ 代码: https://github.com/seetaface/SeetaFaceEngine

A Discriminative Feature Learning Approach for Deep Face Recognition

code: https://github.com/ydwen/caffe-face

目标检测:

PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
https://github.com/sanghoon/pva-faster-rcnn

R-FCN: Object Detection via Region-based Fully Convolutional Networks
https://github.com/daijifeng001/r-fcn

A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection CVPR 2017

Caffe code : https://github.com/xiaolonw/adversarial-frcnn

Improving Object Detection With One Line of Code
https://github.com/bharatsingh430/soft-nms

行人检测:

Is Faster R-CNN Doing Well for Pedestrian Detection? ECCV2016
https://github.com/zhangliliang/RPN_BF/tree/RPN-pedestrian

人体姿态估计:

Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields CVPR2017
https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation

Convolutional Pose Machines CVPR2016
https://github.com/shihenw/convolutional-pose-machines-release

深度图片风格迁移

Deep Photo Style Transfer
https://github.com/luanfujun/deep-photo-styletransfer

检测

Accurate Single Stage Detector Using Recurrent Rolling Convolution
https://github.com/xiaohaoChen/rrc_detection

原文作者:aircraft

原文链接:

没错这篇又是转发的,因为觉得还不错就转发了,不过转发的时候找不到原作者是谁 所以这里就没有指明了。

人脸修复

Generative Face Completion
https://github.com/Yijunmaverick/GenerativeFaceCompletion

Failures of Gradient-Based Deep Learning
https://github.com/shakedshammah/failures_of_DL

深度视频去模糊

Deep Video Deblurring
https://github.com/shuochsu/DeepVideoDeblurring

深度去噪

Learning Deep CNN Denoiser Prior for Image Restoration
https://github.com/cszn/ircnn

人脸超分辨

Face Super-Resolution Through Wasserstein GANs
https://github.com/MandyZChen/srez

https://github.com/YuguangTong/improved_wgan_training

视频结构化分析平台
https://github.com/AKSHAYUBHAT/DeepVideoAnalytics

原文地址:https://www.cnblogs.com/DOMLX/p/9581676.html

时间: 2024-10-03 23:28:40

深度学习(四)转--入门深度学习的一些开源代码的相关文章

TweenMax动画库学习(四)

目录            TweenMax动画库学习(一)            TweenMax动画库学习(二)            TweenMax动画库学习(三)            TweenMax动画库学习(四)            TweenMax动画库学习(五)  

刚刚学习完了Java入门,不知下一步

刚刚学习完了Java入门,学习了进阶,下一步不知道该往哪个方面继续学习了! 当初自学Java的时候就想着有一天可以编制出自己的软件,最好是可以引领生活,世界进步的(话有点大,没关系,还没有实现,谁知道呢)!刚才上网又自己查了一下,不知道<Java思想>怎么样,能不能看懂,是不是都是英文的??? 大神求助啊:迷茫中...

入门实战《深度学习技术图像处理入门》+《视觉SLAM十四讲从理论到实践》

学习图像识别处理,想在数据分析竞赛中取得较高的排名,看了<深度学习技术图像处理入门>电子书,一边看电子书一边做标记,对配套的代码也做了测试,收获颇多. 从机器学习.图像处理的基本概念入手,逐步阐述深度学习图像处理技术的基本原理以及简单的实现. 学习理论后做实验,使用卷积神经网络进行端到端学习,构建深度卷积神经网络,使用循环神经网络改进模型,评估模型,测试模型.最关键的是可以将模型运用于实战之中,将深度学习模型导入到工程中,数据类型转换函数,实施CAM可视化,这是我最需要的. 视觉和图形学真是一

(转)零基础入门深度学习(6) - 长短时记忆网络(LSTM)

无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就out了?现在救命稻草来了,<零基础入门深度学习>系列文章旨在讲帮助爱编程的你从零基础达到入门级水平.零基础意味着你不需要太多的数学知识,只要会写程序就行了,没错,这是专门为程序员写的文章.虽然文中会有很多公式你也许看不懂,但同时也会有更多的代码,程序员的你一定能看懂的(我周围是一群狂热的Clean

「03」机器学习、深度学习该怎样入门?

我本科是个和计算机.数学毫不相关的人文类专业,后来用了大三.大四两年时间,从中学级别的数学捡起,一路自学.实习.读研到现在.我太熟悉入门时候的坑了,直接从一大堆概念.公式.书单入手,谁看谁懵. 所谓入门,绝不是粘课程链接.讲概念定义.有些答案确实解释的非常通俗,但这不叫入门. 古语说入门,就一句话 师傅领进门,修行在个人 所以我不会随便复制粘贴一些高分书目,或者讲讲什么是深度学习.我希望能从一个不一样的角度来回答该如何入门深度学习,希望可以授人与渔,教教大家入门的方法论. 对于自学成分居多.想转

如何入门深度学习?

Tel-Aviv大学深度学习实验室的Ofir同学写了一篇如何入门深度学习的文章,顺手翻译一下,造福生物信息狗. 人工神经网络最近在很多领域(例如面部识别,物体发现和围棋)都取得了突破,深度学习变得炙手可热.如果你对深度学习感兴趣的话,这篇文章是个不错的起点. 如果你学过线性代数,微积分,概率论和编程,我建议你从斯坦福大学的CS231n课程开始.这门课内容广泛,写得很高.可每次课的幻灯片都可以下载,虽然官方网站删除了配套的视频,但是你很容易就能在网上搜索到. 如果你没有学过那些数学课,网上也有很多

Deep Learning(深度学习)之(四)Deep Learning学习资源

十一.参考文献和Deep Learning学习资源 先是机器学习领域大牛的微博:@余凯_西二旗民工:@老师木:@梁斌penny:@张栋_机器学习:@邓侃:@大数据皮东:@djvu9-- (1)Deep Learning http://deeplearning.net/ (2)Deep Learning Methods for Vision http://cs.nyu.edu/~fergus/tutorials/deep_learning_cvpr12/ (3)Neural Network for

问题集录--新手入门深度学习,选择TensorFlow 好吗?

新手入门深度学习,选择 TensorFlow 有哪些益处? 佟达:首先,对于新手来说,TensorFlow的环境配置包装得真心非常好.相较之下,安装Caffe要痛苦的多,如果还要再CUDA环境下配合OpenCV使用,对于新手来说,基本上不折腾个几天是很难搞定的. 其次,基于TensorFlow的教学资源非常多,中英文的都有,这对于新手也是非常有帮助的.Google做社区非常有一套,在中国有专门的一群人,会在第一时间把Google的开发者相关的进展翻译成中文. 另外,由于有Google背书,Ten

深度学习入门和学习书籍

深度学习书籍推荐: 深度学习(Deep Learning) by Ian Goodfellow and Yoshua Bengio and Aaron Courville 中文版下载地址:https://github.com/exacity/deeplearningbook-chinese R语言深度学习实践指南(Deep Learning Made Easy with R) by Dr. N.D. Lewis 下载地址:http://download.csdn.net/detail/oscer

对比《Keras图像深度学习实战》PDF+《深度学习技术图像处理入门》PDF代码分析

将深度学习技术应用于图像处理,推荐阅读<深度学习技术图像处理入门>,基于理论讲解,由浅入深地引出若干个经典案例,讲解当前深度神经网络在图像处理领域的应用.提供了基于云GPU容器(Docker)的完整在线开发环境,方便初学者直接学习核心代码. <深度学习技术图像处理入门>以通俗易懂的语言简要讲解机器学习的核心概念,通过比较传统机器学习和深度神经网络的区别,引入深度神经网络的应用领域,将一个完整的深度神经网络的复杂结构拆成输入处理.模型元件以及模型优化三个子块,并详细说明如何将深度神经