飞浆PaddlePaddle之图像分割7日打卡营学习心得

本人想进一步了解图像分割的知识，这个课程就是很好的一个切入点，通过该课程了解了图像分割的基础以及最前沿知识以及部分网络,例如FCN，U-Net/PSPNet, DeepLabV1-V3, GIoRe、GINet、SOLO、UPSNet、Panoptic-DeepLab等框架
老师通过一句句代码的敲打，深入的解释每一句的用意，使得我有更加深刻的体会。
课程详细介绍
课程链接：https://aistudio.baidu.com/aistudio/course/introduce/1767

课程大纲

DAY1（10月19日）
1.图像分割综述
2.语义分割初探
3.环境搭建与飞桨动态图实战演示
4.语义分割的数据格式和处理
DAY2（10月20日）
1.FCN全卷积网络结构详解
2.飞桨中的上采样操作实践
3.飞桨实现FCN
DAY3（10月21日）
1.U-Net模型与PSPNet模型详解
2.飞桨实现UNet/PSPNet
3.飞桨实现DilatedResnet
4.分割网络loss和metrics实现
DAY4（10月22日）
1.Dilated Conv 原理和细节
2.ASPP模块解析
3.DeepLab系列详解
4.实现DeepLabV3/ASPP/MultiGrid
5.分割网络loss和metrics实现
DAY5（10月23日）
1.深入解析GCN（图卷积网络）
2.Graph-based Segmentation多个方法详解 (GloRe, GCU, GINet)
3.GCN代码简要解析
4.在Pascal Context上实现GloRe
DAY6（10月24日）
1.实例分割与全景分割概述
2.实例分割：Mask R-CNN和SOLO
3.全景分割：PanapticFPN和UPSNet
DAY7（10月25日）
1.主流分割数据集介绍
2.最近研究进展探讨
3.课程总结与Q&A
DAY8（10月27日）
结营典礼