ByteCat

一个简单的Flask应用程序，根据预训练模型推理接收到的图片的类别。

训练多种网络完成图像分类。

搭建CNN网络来完成验证码识别这一任务。项目中用到的验证码都是用captcha库来生成的。

这次我们用卷积神经网络来解决一个猫、狗的分类问题，这是一个典型的二分类问题。

MNIST手写数字识别项目因为数据量小识别任务简单而成为图像识别入门的第一课。

介绍两种非常有用的图像数据非线性增强方法。

注意力机制源于对人类视觉的研究。人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。在计算机视觉领域，该机制被引入来进行视觉信息处理。

轻量化网络是为移动端和嵌入式端深度学习应用而设计的网络，使得在cpu上也能达到理想的速度要求。

2014年NiNNet用较少参数就取得了Alexnet的效果，开启了对卷积结构的探索。受此启发，GoogLeNet引入了一种能够产生稠密的数据的网络结构，既能增加神经网络表现，又能保证计算资源的使用效率。GoogLeNet及其后续系列模型表明了把图像不同尺度的信息进行融合可以得到图像更好的表征。

VGGNet在2014年的ImageNet比赛中取得了很好的成绩，展示出网络的深度是算法优良性能的关键部分。