【PaddlePaddle】图像分割7日打卡营Day1学习总结

一、课程安排

           Day1 图像分割综述
           Day2 FCN全卷积网络详解
           Day3 U-Net/PSPNet 模型详解
           Day4 DeepLab系列算法详解
           Day5 图卷积算法详解
           Day6 实例分割与全景分割综述
           Day7 最新研究进展、课程总结 

二、 Day1 图像分割综述

1. 本课程需要的基础
   需要了解一些基本的深度学习概念，如卷积、池化、梯度、反向传播和Tensor的维度；需要有一些Python的基础，如类，继承，函数等；需要有一些图像处理的基础，了解一些OpenCV读取图像函数，如cv.imread()等；需要了解一些Numpy的常见操作。

2. 图像分割的应用场景
   

3. 语义分割的基本流程

    输入：图像（RGB） 
    算法：深度学习模型 
    输出：分类结果（与输入大小一致的单通道图） 
    （语义分割是对图像中每个pixel进行分类）
   

   

 训练过程：
   -输入：   image+label
   -前向：   out=model(image)
   -计算损失：loss=loss_func(out,label)
   -反向：   loss.backward()
   -更新权重 ：optimizer.minimize(loss)

4. 语义分割的常见评估指标
   假定一定有k+1类（包括k个目标类和1个背景类），
   Pij 表示本属于i类却预测为j类的像素点总数。
   Pii: true postives
   Pij: false positives
   Pji: false negatives

   (1) pixel accuracy(PA)
   

   分类正确的像素点数和所有的像素点数的比例

   

   (2)Mean Pixel Accuracy (MPA)
   

   计算每一类分类正确的像素点数和该类的所有像素点数的比 例然后再对类求平均。
   

   （3）Mean Intersection over Union (MIoU)
   

   计算每一类的IOU再对所有类求平均。
   

5. 学习心得
   老师讲的很好，理论讲得清晰有条理，每节课最后还会讲一些代码，让大家更容易理解，理论和代码结合得很好，有对图像分割感兴趣的小伙伴们可以去听一听《图像分割7日打卡营》，以下是课程链接。
   https://aistudio.baidu.com/aistudio/course/introduce/1767 link.

注：
文章中图来自于《图像分割7日打卡营》课节2：图像分割综述PPT;
文章中第4部分语义分割的常见评估指标，来自于文章
https://zhuanlan.zhihu.com/p/61880018 link.
（讲的很清楚且细致）