百度图像分割7日打卡训练营学习总结
本次参加的百度paddlepaddle的这期的图像分割的7日打卡训练营就要结束了，本次课程由朱老师和伍老师两位大牛主讲，朱老师主讲了4天，主要是理论和手写代码实践，伍老师主讲了2天，主要是前沿内容讲解，总结一下本次的学习过程，学习心得。
1. 本次打卡营的学习内容
本次课程主要由以下的几个章节组成：
- 预习内容
通过几个小节的实验，带领新手快速入门Python、Notebook、Debug、PaddlePaddle与PaddleSeg； -
图像分割综述
介绍了图像分割的定义：
包含了静态图像和图像全景分割和视频的全景分割，如下所示：
本节介绍了本课程的学习需要的基础：
从本节开始，朱老师带领我们开始手写代码了，这里搭建了一个基础的网络模型，也能work。 - FCN全卷积网络详解
FCN的全称是 Fully Convolutional Networks，也就是没有 Full Connection 全连接，而全部采用卷积。这样就能在图像分类的基础上，实现图像分割了。 - U-Net/PSPNet模型
采用编码器和解码器的U形结构，使的输入与输出的大小不变。
PSP Net = Pyramid Scene Parsing Network
简单来讲就是：多尺度，或用老师的话说就是“左顾右盼”（观察语境语义），增加感受野。
这里用到了空洞卷积，
Dilated Conv = Atrous Conv= 空洞卷积
这里的图是老师用 Excel 做出来的，记得看过一本日本人讲解了深度学习的书，里面的公式、推导过程和图形也都是使用 Excel 做出来的，可见 Excel 这个工具是真的很强大。
老师带大家手写了 UNet 和 PSPNet，并留了作业，让大家在完成网络的基础上，实现对网络的实际应用，可是我只能抄出来老师的代码来，却不能扩展应用 :(
-
DeepLab系列
介绍了DeepLab系列中的几个版本和出现的时间，讲解的主要内容，如下所示：
比较了几个版本的结构：
老师在这里带大家手写了 DeepLab 的基本结构。 -
图卷积网络算法
图卷积的基本概念如下：
- 图像的实例分割与全景分割入门
介绍了语义分割、实例分割、全景分割的概念：
2. 本次打卡营的学习心得
通过学习，对这些概念有了了解，也跟着老师手写了代码，在当时跟着老师写代码时，也觉得思路很清楚，但是离开了老师的视频，自己再去写代码时，脑子还是一片空白（年龄大了，感觉自己的脑子就像块木头， 就是开不了窍 :(），也没有办法把这些内容应用到实际中去，现在我的苦恼就是迟迟入不了门，无法熟记概念，无法自己编写程序，看来还要不断的学习，还要继续参加和学习百度aistudio推出的其它的课程。