PaddlePaddle飞桨课程 - 图像分割学习笔记(一)

目录

 

目录

课程链接：

课程内容：

课程大纲：

第一天主要内容：图像分割综述

第二天主要内容：FCN讲解

第三天主要内容：U-Net模型与PSPNet模型详解

第四天主要内容：DeepLab系列详解

第五天主要内容：图卷积网络用于分割

第六天主要内容：实例分割与全景分割

第七天主要内容：课程总结

---

课程链接：

https://aistudio.baidu.com/aistudio/course/introduce/1767

课程内容：

1. 从经典算法到学界前沿，从技术细节到完整流程，语义分割、实例分割、全景分割；

2. 手把手理论指导+现场逐行coding.

课程大纲：

第一天主要内容：图像分割综述

1、初探语义分割
2、实战主要包括

• basic_model.py 基本模型样式搭建

• basic_dataloader.py 数据导入

• basic_transforms.py 数据扩增的相关方法手段

第二天主要内容：FCN讲解

1.概述
2.上采样和下采样实战

• 搭建FCN网络结构
• basic_seg_loss.py分割loss的定义
• basic_train.py 训练的基本格式

第三天主要内容：U-Net模型与PSPNet模型详解

1.概述
2.实现UNet/PSPNet

• pspnet.py 网络结构的的搭建
• unet.py 网络结构的搭建

• infer.py预测代码的搭建

• resnet_dilated.py 实现空洞卷积的搭建

第四天主要内容：DeepLab系列详解

1.DeepLab系列概述
2.实战DeepLabV3

•  deeplab.py 网络结构搭建

•  resnet_multi_grid.py  对resnet.py进行修改，实现Multi_grid机制。

第五天主要内容：图卷积网络用于分割

1.概述
2.GloRe, GCU, GINet讲解
3.GCN代码简要解析

第六天主要内容：实例分割与全景分割

1.概述
2.实例分割：Mask R-CNN和SOLO
3.全景分割：PanapticFPN和UPSNet

第七天主要内容：课程总结

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