目录
课程介绍
顶会论文审稿人亲自授课,从基础理论到前沿技术,配套5次实战打卡,带你入门到精通,7日攻克图像分割。
课程链接:[https://aistudio.baidu.com/aistudio/course/introduce/1767]
课程平台:AI Studio
DAY1
语义分割初探
语义分割的基本流程:
学习了解到了图像分割的基本流程,掌握码代码时要谨记对应的流程,要时刻知道自己目前写的代码是流程中的哪一步。
DAY2
FCN全卷积网络结构详解
学习并实现了图像分割的第一个模型——FCN全卷积网络
FCN相比于传统分割方法把FC层换成 1×1 Conv卷积
1x1卷积:降维或者升维,输入到输出的高(h)和宽(w)是不变的,改变的是通道数(c),变化个数和1x1卷积个数一样。
FCN模型缺点:
优点:
- 任意尺寸输入
- 效率高(相较以前)
- 结合浅层信息
缺点:
- 分割结果不够精细
- 没有考虑上下文信息(指像素点周围的信息)
DAY3
U-Net模型与PSPNet模型详解
U-Net模型:
该模型依旧是encode、decode的模式,与FCN不同就是把前面浅层的信息直接与后面上采样的Feature map通过concat叠加融合。
PSPNet
与FCN相比,结合了上下文信息
DAY4
DeepLab系列详解
DAY5
深入解析GCN(图卷积网络)
DAY6
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
主流分割数据集介绍
总结
经过前4天的学习,从图像分割小白慢慢入门,经过老师耐心的讲解,对图像分割有了很好的入门,百度提供的AI Studio平台和飞桨(PaddlePaddle)用于图像分割非常方便,效率很高,参与课程还可以获得一些免费的算力,课程非常好!