百度图像分割7日打卡训练营学习笔记

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：

1. 任意尺寸输入
2. 效率高（相较以前）
3. 结合浅层信息

缺点：

1. 分割结果不够精细
2. 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！