从零开始学习图像深度学习

基础课程

• 李飞飞 CS231N
• 李宏毅

针对性探究：针对各种分割网络和loss function改进，对benchmark每个性能的改进进行探究

• 语义/实例/全景分割的问题难点在哪里
• benchmark数据集有哪些
• 评价指标是什么
• 现有的方法有哪些，关系是什么
• 还有哪些可以改进的地方

针对自然影像和医疗领域语义分割工作和发展脉络：

针对语义分割优秀的repo：
1 语义分割

• 立夏之光的EMANet
• Zijun Deng的分割模板
• 旷视的TorchSeg。

2 实例分割

• FAIR的经典maskrcnn框架。

不局限于某个点，在CV领域拓展

• 看其他视觉领域的工作，包括但不限于Object Detection,Skeleton Detection,Face Detection,Text Detection,PersonReID,Single/Multi objectTracking，能发现分割从表示上的局限性和其他任务之间的相关性 (注意，第一阶段是分割这个domain内部工作之间的相关性)。到这里，你会发现分割可以用来做检测，回归可以用来做分割，不同CV领域的工作和设计思路对分割都可能有启发。