基于PaddlePaddle的图像语义分割的7日打卡学习心得

基于PaddlePaddle的图像语义分割的7日打卡学习心得

学习内容

**学习第一天:**学习了Python的入门课程,和基于PaddlePaddle怎么训练程序,一些基础的操作。之前在上课的时候接触过PaddlePaddle,当时觉得训练模型十分方便,并且上收也比较快。
**学习第二天:**目前我的研究方向是图像分割方面,所以之前对图像分割的历史也有所了解,老师讲的内容都讲的很具体,并且也让我了解到一些图像分割的现状,所涉及的图像分割的文章都是经典论文,对我以后的研究有很大的帮助。
**学习第三天:**在对图像分割的研究现状和基本概念,常用算法有所了解之后,老师开始逐一讲解了几篇经典的网络结构模型的论文,从全卷积网络FCN讲起,FCN实现了像素级的分类,采用了上采样方法:Un-pooling,Up-sample,transpose conv和反卷积模块。讲解了FCN的网络结构。
**学习第四天:**讲解了U-Net和PSPNet网络。U-Net网络结构采用编码器和解码器得到U形结构,输入和输出大小不变,实现U-Net网络主要的operations:Conv3×3(withBN,relu),Pool 2D,Transpose Conv 2×2,Crop ,Eltwise_Add,Conv 1×1,SoftMax,argmax,squeeze。PSP分割网络获取上下文信息,增大感受野。PSP模块的operations:Adaptive Pool,Conv 1×1,Upsample,Concat。
**学习第五天:**deepLab系列一共有四篇文章,老师详讲了四篇文章的关键网络技术要点,包括:deepLabV1的网络结构和Atrous Block模块,deeplabV2基于V1的创新点ASPP模块,deepLabV3的ASPP升级版模块。
**学习第六天:**学习了图卷积层和上下文的基本概念,学习了基于区域图的语义分割方法(GCU,GloRe,GINet)。
**学习第七天:**学习经典得到实例分割方法MaskRcnn,SOLO,全景分割方法:UPSNet,Panoptic-DeepLab。加粗样式

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值