图像分割7日打卡营学习总结

学习笔记、感悟

1.学习内容

这次训练营七日主要学习的内容，总结如下
第一天
主要是讲到图像分割的应用，以及绪论，然后一些关于图像分割的基本写法语言，以及切割环境的搭配，介绍了关于图像分割的基本流程，也算是图像分割的初体验。
第二天
介绍了全卷积网络结构的内容，全卷积网络的优缺点，实际实现的分割效果并不好，不过速度比较快，以及在服务器上的实践操作（个人认为这部分最难，东西有点多），并跟着老师补全basic_seg_loss.py以及basic_train.py，改了挺久，可能是因为要写的比较多。
第三天
是实现、补全U-Net与PSPNet模型，首先老师介绍了一下U-Net与PSPNet的模型概念，相较于前一天的全卷积网络结构，通过新叠加以及融合信息来完善分割的效果，在基础作业的知识体系上，通过观看一些大佬的文章和作业（有的大佬已经把较为完整可运行的框架搭出来了）完成了分割的训练，并且实例化了出来，就是效果比较一般（可能是epoch不够，loss值都还挺高的），识别出来的图有不少点样的，后续有同学指出可能是上采样的问题，改了下好像效果也没好多少（T T）。
第四天
主要介绍了DeepLab网络的结构，以及具体实现操作的原理，大致了解了如何实现一个DeepLab网络，并补全相关代码，老师写，边解释边听然后边跟着写（了解不少）。
第五天
初步了解了图卷积网络,Graph-based Segmentation等方法的一些内容，老师也介绍了GCN的代码以及怎样在Pascal Context上实现GloRe，前面的东西消化的比较慢，后两天的学习感觉内容也挺多的，就以记忆为主了。
第六天
介绍了实例分割与全景分割，实例分割：Mask R-CNN和SOLO，全景分割：PanapticFPN和UPSNet，了解了下原理和观看了效果图。

2.感悟

之前也有跟着学百度的目标检测七日打卡，由于是图像处理这方面的萌新，大部分知识是以科普了解为主，绝大部分的内容都是首次接触到，还不具备总结出具有一些学术性价值的内容（消化就挺吃力的）。不过通过这门课也是让我初步学习了这方面的知识，这几节课的老师讲的挺好的，就是有的地方讲的比较快，但是有挺多框架网络的知识讲的挺好理解的，通俗易（难）懂，这次的七日打卡相较于上次要求写的代码多了些，（改代码能力提高不少），这次能坚持下来还是感觉收获不少的，很感谢大牛老师和这个平台。