前言
从入门到精通,7日就够了:
DAY1(10月19日)
1.图像分割综述2.语义分割初探3.环境搭建与飞桨动态图实战演示4.语义分割的数据格式和处理
DAY2(10月20日)
1.FCN全卷积网络结构详解2.飞桨中的上采样操作实践3.飞桨实现FCN
DAY3(10月21日)
1.U-Net模型与PSPNet模型详解2.飞桨实现UNet/PSPNet
3.飞桨实现DilatedResnet4.分割网络loss和metrics实现
DAY4(10月22日)
1.Dilated Conv 原理和细节2.ASPP模块解析
3.DeepLab系列详解4.实现DeepLabV3/ASPP/MultiGrid
5.分割网络loss和metrics实现
DAY5(10月23日)
1.深入解析GCN(图卷积网络)
2.Graph-based Segmentation多个方法详解 (GloRe, GCU, GINet)
3.GCN代码简要解析4.在Pascal Context上实现GloRe
DAY6(10月24日)
1.实例分割与全景分割概述2.实例分割:Mask R-CNN和SOLO
3.全景分割:PanapticFPN和UPSNet
DAY7(10月25日)
1.主流分割数据集介绍2.最近研究进展探讨3.课程总结与Q&A
DAY8(10月27日) 结营典礼
参考资料
【本地安装PaddlePaddle的常见错误】
https://aistudio.baidu.com/aistudio/projectdetail/697227
【图像分割7日打卡营常见问题汇总】
https://aistudio.baidu.com/aistudio/projectdetail/1100155
一、7天学到了什么?
python编程,OOP
图像处理(矩阵处理)
语义分割理论基础和算法前沿
PaddlePaddle深度学习框架(动态图)
PaddlePaddle 模型训练完整流程
二、主要收获
1.PSP分割网络
利用全局信息——有上下文信息——增大感受野,其中关键 Pyramid Pooling模块, 利用 Adaptive Pool改变宽高,利用1*1Conv改变通道数。
2.backbone中如何增大感受野
Dilated ResNet(空洞卷积)(d-膨胀系数)
总结
后面还有DeepLab系列讲解