记录第一篇博客,献给飞桨PaddlePaddle图像分割课程

目录

  • 课程链接
  • 课程描述
  • 课程大纲
    • DAY1(10月19日)
    • DAY2(10月20日)
    • DAY3(10月21日)
    • DAY4(10月22日)
    • DAY5(10月23日)
    • DAY6(10月24日)
    • DAY7(10月25日)
    • DAY8(10月27日)
  • 学习心得

课程链接

https://aistudio.baidu.com/aistudio/course/introduce/1767.

课程描述

  1. 讲师具有多年理论实战经验,在CVPR、ECCV等顶会上发表多篇论文,获得多次比赛Top成绩,并且担任顶会论文审稿人,是图像分割领域的资深专家。
  2. 从经典算法到学界前沿,从技术细节到完整流程,语义分割、实例分割、全景分割,带你逐个击破。
  3. 手把手理论指导+现场逐行coding,带大家从零实现自己的模型!

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

学习心得

最近一段时间有幸参加了百度AIstudio推出的飞浆PaddlePaddle之图像分割7日打卡营课程。能够听飞桨专业团队进行讲授图像分割的知识,并且可以使用百度的云服务器计算,这对于新手无疑是一个巨大的帮助。

通过7天的学习,我熟悉了paddle的深度框架以及一些基本语法,学习到了图像分割的综述、FCN全卷积网络详解、U-Net/PSPNet模型、DeepLab系列、图卷积网络算法以及全景分割方法,收获颇深,以后感兴趣的同学还可以通过课程链接进行学习。

你可能感兴趣的:(深度学习,计算机视觉)