基于PyTorch的深度学习与计算机视觉

**部分理论基础**章绪论1.1基于感知的人工智能1.2计算机视觉1.3计算机视觉应用1.4计算机视觉的传统方法1.5深度学习1.6深度学习框架第二章深度学习基础2.1线性回归与逻辑回归2.2神经网络2.3损失和优化2.4激活函数2.5反向传播2.6过拟合与欠拟合2.7数据处理2.8监督学习与无监督学习2.9强化学习第三章卷积神经网络·3.1卷积神经网络基础3.2 LeNet模型3.3 AlexNet模型3.4 VGGNet模型.3.5 FCN模型3.6 ResNet第四章 PyTorch基础4.1 PyTorch简介4.2简介 PyTorch安装配置4.3 Py Torch入门基础4.4深度学习实例4.5搭建一个卷积神经网络第二部分 PyTorch计算机视觉案例第五章 目标检测：Faster-RCNN5.1目标检测5.2RCNN网络概述5.3 经典两阶检测器Faster-RCNN第六章目标检测：YOLO6.1基础知识点6.2 YOLOv16.3 YOLOv26.4YOLOv36.5YOLOV4第7章目标跟踪7.1目标跟踪概述7.2目标跟踪经典框架·7.3代码详解第八章 语义分割8.1语义分割8.2 FCN8.3 PSPNet第九章人脸识别：Arcface9.1人脸识别概述9.2常用的人脸识别方法9.3人脸识别项目实战第十章生成对抗网络：GAN10.1生成对抗网络的基本应用10.2生成对抗网