本文會列出深度學習圖像方向值得去關注的名詞
1.代碼
代碼資源網站：github(源碼)、stackoverflow（代碼查錯）
2.框架
深度學習框架選擇：tensorflow、pytorch 文章《TensorFlow和PyTorch誰更好》鏈接：https://mp.weixin.qq.com/s/O93mdr-HMMXtnx-bpPyHEA 文章《TensorFlow王位不保？ICLR投稿論文PyTorch出鏡率快要反超了》鏈接：https://mp.weixin.qq.com/s/O-OEEpD7rECvkDvENLlqCQ
3.信息來源
QQ羣：需要自己尋找 公衆號：量子位、大數據文摘、機器之心、大數據挖掘DT機器學習、我愛計算機視覺、極市平臺
4.理論
國外先進論文網站：www.arxiv.org，各種頂級會議論文都可以在這裏找到，需要使用vpn。 必須掌握的神經網絡模型，如下圖所示。 其中大多數模型基於CNN，所以CNN是基礎。
image.png
5.學習視頻
斯坦福大學課程《cs231n》，bilibili網站鏈接：https://www.bilibili.com/video/av17204303 吳恩達《深度學習微專業》，網易雲課堂鏈接：https://mooc.study.163.com/smartSpec/detail/1001319001.htm 外國大學課程視頻網站，鏈接：http://videolectures.net/ 周莫煩tensorflow編程教學視頻，鏈接：https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/
6.目標檢測
框架：SSD、Yolo3 推薦博客《RCNN學習筆記，SSD:Single Shot MultiBox Detector》，鏈接：https://blog.csdn.net/smf0504/article/details/52745070 目標檢測這個專業名詞，直觀理解如下圖所示，即在圖片中找出物體所在位置並判斷物體類別。
image.png
7.語義分割
推薦博客《關於圖像語義分割的總結和感悟》，鏈接：https://www.cnblogs.com/xiaoming123abc/p/5883927.html 語義分割這個專業名詞，直觀理解如下圖所示，即不同類別物體以不同顏色標記，在無人駕駛等領域較常用。
image.png
8.總結
學術派和工程師勢不兩立！！ 讀者要對自己有清晰的定位，要分清楚搞應用和搞研究。 學術派有一部分代碼實現能力不是很好，也不願意花時間過多在代碼，遇到工程上的難題，也不屑於花時間。 本文作者作爲工程師，希望自己的工作得到尊重，如果有人不尊重工程師解決問題花費的時間，這個就不能忍。