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