时隔一年！深度学习语义分割理论与代码实践指南.pdf第二版来了！

深度学习语义分割理论与代码实践指南更新了！时隔一年，笔者在第一版的基础上添加了最新的视觉Transformer部分模型应用的解读，工程部分对两种常见的深度学习模型部署方式进行了详细的介绍。

图像分类、目标检测和图像分割是基于深度学习的计算机视觉三大核心任务。三大任务之间明显存在着一种递进的层级关系，图像分类聚焦于整张图像，目标检测定位于图像具体区域，而图像分割则是细化到每一个像素。

基于深度学习的图像分割具体包括语义分割、实例分割和全景分割。语义分割的目的是要给每个像素赋予一个语义标签。语义分割在自动驾驶、场景解析、卫星遥感图像和医学影像等领域都有着广泛的应用前景。

本文作为基于PyTorch的语义分割技术手册，对语义分割的基本技术框架、主要网络模型和技术方法提供一个实战性指导和参考。

手册主要包括五个章节，其中第一章对语义分割做了一个简单概述，第二章详述了深度学习语义分割的关键技术组建，第三章提供数据导入的规范化的代码模板，第四章则是对经典的、常用的语义分割网络进行了详述。最后第五章探讨了PyTorch深度学习训练代码搭建范式、训练过程中的可视化展现方法以及模型部署方式。完整目录如下：

由于个人经验、能力有限，本手册作为2.0版本，仍然有诸多不完善和有失偏颇之处。所以该手册同时也是一个意见征求稿。

手册项目GitHub项目地址：

https://github.com/luwill/Semantic-Segmentation-Guide/

手册也提供了pdf版本，有需要的朋友可以点击下方获取。