目录
图像分类的简介
1、相关概念
2、深度网络模型的开端
3、图像分类网络模型的发展
4、图像分类轻量化模型
图像分类的使用方法
图像分类的案例应用
相关文章
DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略
DL之CNN：计算机视觉之卷积神经网络算法的简介(经典架构/论文)、CNN优化技术、调参学习实践、CNN经典结构及其演化、案例应用之详细攻略
DL之CNN：卷积神经网络算法简介之原理简介(步幅/填充/特征图)、七大层级结构(动态图详解卷积/池化+方块法理解卷积运算)、CNN各层的作用等之详细攻略
CV：人工智能之计算机视觉方向的简介(常用数据集+CV职位)、传统方法对比CNN类算法、计算机视觉八大应用(知识导图+经典案例)之详细攻略
CV之IC：计算机视觉之图像分类(Image Classification)方向的简介、使用方法、案例应用之详细攻略
CV之IC：计算机视觉之图像分类(Image Classification)方向的知识点总结
图像分类的简介
图像分类，是计算机视觉中的核心任务。
1、相关概念
常用数据集：MNIST、CIFAR、Fashion-MNIST、PASCAL VOC、ImageNet
2、深度网络模型的开端
LeNet-5、AlexNet
DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化)
DL之AlexNet：AlexNet算法的简介、论文介绍、设计思路、关键步骤、实现代码等配图集合之详细攻略
3、图像分类网络模型的发展
侧重结构改进：
Network in Network、
GoogleNet(Inception v1)、
BN-Inception、
Inception v2&Inception v3、
Inception v4，Inception-ResNet
侧重深度增加：
VGGNet、
ResNet、
ResNeXt、
DenseNet
DL之VGGNet：VGGNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之GoogleNet：GoogleNet(InceptionV1)算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之BN-Inception：BN-Inception算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之InceptionV2/V3：InceptionV2 & InceptionV3算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略DL之InceptionV4/ResNet：InceptionV4/Inception-ResNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ResNet：ResNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
4、图像分类轻量化模型
SqueezeNet
Xception
MobileNet：MobileNet v1、MobileNet v2
ShuffleNet：ShuffleNet v1、ShuffleNet v2
DL之SqueezeNet：SqueezeNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之MobileNet：MobileNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ShuffleNet：ShuffleNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
图像分类的使用方法
后期更新……
图像分类的案例应用
后期更新……
