本项目包含一些计算机视觉中经典深度学习模型的轻量级复现程序，供学习总结用。每个模型的程序中都会有详细的注释与对照论文解释代码的.md文件。项目中绝大部分的模型与对应的数据集在gtx1060上都是可以训练的。如果需要更高配置显卡，我会特别指出。
建议运行环境：python3.7+ and torch 1.1.0+
| 模型 | 代码进度 | 解读进度 | 特殊说明 | 模型类别 |
|---|---|---|---|---|
| VGG | 完成 | 计划中 | - | 图像分类 |
| ResNet | 完成 | 计划中 | - | 图像分类 |
| DenseNet | 完成 | - | - | 图像分类 |
| ShuffleNet | - | - | - | 图像分类 |
| SSD | - | - | - | 目标检测 |
| Yolo v2 | - | - | - | 目标检测 |
| RetinaNet | - | - | - | 目标检测 |
| Faster RCNN | - | - | - | 目标检测 |
| Cycle GAN | 计划中 | - | - | 生成模型 |
| pix2pix | - | - | - | 生成模型 |
| UGATITA | - | - | 需要RTX2080ti | 生成模型 |
| CAM | 完成 | 完成 | 建议使用CPU | 注意力机制 |