PaddlePaddle 图像分割 总结

PaddlePaddle 飞桨是百度源于产业实践的开源深度学习平台，类似Tensorflow，PyTorch，MXNet

PaddlePaddle
https://www.paddlepaddle.org.cn/
https://github.com/PaddlePaddle

PaddleSeg
PaddleSeg是基于PaddlePaddle开发的端到端图像分割开发套件，覆盖了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割网络。通过模块化的设计，以配置化方式驱动模型组合，帮助开发者更便捷地完成从训练到部署的全流程图像分割应用。
https://github.com/PaddlePaddle/PaddleSeg

相关百度的PaddleSeg课程
https://aistudio.baidu.com/aistudio/course/introduce/1767

FCN
https://arxiv.org/abs/1411.4038
https://github.com/shelhamer/fcn.berkeleyvision.org
相关技能点：上采样

PSPNet
PSPNet是在FCN上的改进，引入更多的上下文信息进行解决，当分割层有更多全局信息时，出现误分割的概率就会低一些，这种思想目前在许多图像领域都有所应用，引入更多上下文信息的方式也很多，比如：

1、增大分隔层的感受野，这种方式是最直观的，视野越广，看到的东西也越多，而增大感受野也有许多方式，比如

空洞卷积（dilated convolution）：这是在deeplab算法上成功应用的实现方式
全局均值池化操作：PSPNet的全局均值池化操作也是增加感受野的一种方式
2、深层特征和浅层特征的融合，增加浅层特征的语义信息，这样在浅层进行分割时就有足够的上下文信息，同时也有目标的细节信息，这种做法早在FCN中就有了，但是包括融合策略和分割层的选择都有一定的优化空间。

DeepLab
技能点：ASPP Module

学习总结：

最近一周高强度的学习了图像分割相关的知识，
感觉Seg比Detection难很多，
在网络结构上还需要多熟悉多了解，

代码层面还需要多学习大佬的样例代码，
提高自己python 和 paddle代码的熟练程度。

加油