基础课程
- 李飞飞 CS231N
- 李宏毅
针对性探究:针对各种分割网络和loss function改进,对benchmark每个性能的改进进行探究
- 语义/实例/全景分割的问题难点在哪里
- benchmark数据集有哪些
- 评价指标是什么
- 现有的方法有哪些,关系是什么
- 还有哪些可以改进的地方
针对自然影像和医疗领域语义分割工作和发展脉络:
针对语义分割优秀的repo:
1 语义分割
- 立夏之光的EMANet
- Zijun Deng的分割模板
- 旷视的TorchSeg。
2 实例分割
- FAIR的经典maskrcnn框架。
不局限于某个点,在CV领域拓展
- 看其他视觉领域的工作,包括但不限于Object Detection,Skeleton Detection,Face Detection,Text Detection,PersonReID,Single/Multi objectTracking,能发现分割从表示上的局限性和其他任务之间的相关性 (注意,第一阶段是分割这个domain内部工作之间的相关性)。到这里,你会发现分割可以用来做检测,回归可以用来做分割,不同CV领域的工作和设计思路对分割都可能有启发。