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。