Skip to content

中国海洋大学视觉实验室前沿理论小组 pytorch 学习

Notifications You must be signed in to change notification settings

OUCTheoryGroup/colab_demo

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

95 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

中国海洋大学视觉实验室前沿理论小组 PyTorch 学习

License: MIT

(内容将不断更新)

为方便大家理解代码,我编写了这些教程,并保持不停更新。为方便大家理解算法及代码原理,不浪费时间在配置环境上,下面代码均能顺利在 Google 云端 GPU 平台在线运行,并能够非常快速的运行出结果。

大家注意,列表里的所有代码上方都有一个“Open in Colab”的图标,点击以后就可以直接在 Google Colab 平台打开,也可以在平台直接运行。需要使用GPU的话,可以在Colab的菜单 "代码执行工具" → "更改运行时类型" 里进行设置。

代码都浅显易懂,添加了大量的备注及说明,有不明白的地方,可以调试中间结果观察数据的变化情况。不明白怎么调试,可以随时联系我。

🟢 01 【 Python图像处理基础

🟢 02 【 PyTorch基础

🟢 03 【 写一个简单的网络解决Spiral classifciation问题

🟢 04 【 写一个2层的网络解决回归问题

🟢 05_01 【 写一个LeNet应用于MNIST分类 】分类准确率轻松达到96%,下一课换稍难些的CIFAR10

🟢 05_02 【 写一个LeNet应用于CIFAR10分类 】CIFAR10数据集相对较难,分类准确率只有64%,下一课换更好的VGG网络

🟢 05_03 【 写一个VGG应用于CIFAR10分类 】使用VGG网络,准确率提升至84.92 %,下一课我们适当缓冲下,学习下VGG在迁移学习中的应用

🟢 05_04 【 VGG迁移学习进行猫狗大战 】海量高分辨率图像的训练,比较玄学,很难得到一个好的网络。这里我们学习在pretrained VGG网络上 fine-tune,分类猫狗图片

🟢 05_05 【 写一个GoogLeNet应用于CIFAR10分类 】手写InceptionV3,准确率提升至85.40%

🟢 05_06 【 写一个ResNet18应用于CIFAR10分类 】手写ResNet18,准确率提升至85.96%

🟢 06 【 自编码器与降噪自编码器 】这节课学习用自编码器重建MNIST,同时观察加入denoising后,自编码器在MNIST重建上的性能变化

🟢 07 【 用变分自编码器生成数字 】输入随机噪声,生成数字图像

🟢 08 【 写简单的GAN网络生成double moon 数据

🟢 09 【 CGAN和DCGAN在mnist上的应用



此外,我还整理了一些典型论文代码的 pytorch 实现,添加解释说明和备注放在 colab 平台上了,供大家学习,具体如下:


遥感图像处理:

✅ 【基于 PCA 和 k-means 的遥感图像变化检测】 IEEE GRSL 2009

✅ 【3D-2D CNN feature hierarchy 高光谱分类】 IEEE GRSL 2020

✅ 【Deep Hyperspectral Prior 无监督的高光谱图像去噪】 IEEE CVPR 2019 workshop


卷积神经网络进展:

✅ 【 Squeeze-and-Excitation Net应用于CIFAR10分类 】CVPR 2018

✅ 【 MobileNetV1应用于CIFAR10分类 】谷歌2017年提出

✅ 【 MobileNetV2应用于CIFAR10分类 】CVPR 2018

✅ 【 GhostNet 】CVPR 2020


图像分割、修复、多模态:

✅ 【代码短小精悍的无监督图像分割】 ICASSP 2018

✅ 【CBDNet 图像去噪】 CVPR 2019

✅ 【DSCMR_ 深度监督跨模态数据检索(图像-文本)】 CVPR 2019



联系方式:gaofeng@ouc.edu.cn

About

中国海洋大学视觉实验室前沿理论小组 pytorch 学习

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published