课程心得

课程很有意思，由顶会审稿人朱老师带着我们从最基础的MODEL开始，每一天都先给我们解读深度学习分割网络和一些基本概念的讲解完了之后，带着我们手把手的手撸代码，一步一步的搭建属于我们自己的图像分割网络。使我们在对Paddle框架有了使用体验的同时也能达到深度学习的目标。

如果还有相关课程，我希望是对训练、评估、预测方面能够有更深入的介绍，后几天的课程但实在太深奥了，可以提一下然后让我们多去看看怎么优化和评估预测吧，后面有点不太符合这个课程的所说的入门了。
总的来说课程体验还是很好的，希望有一点基础，但不知道该怎么继续学一下的小伙伴可以来看一下。

最后附上课程详细介绍：

课程详细介绍

课程链接：https://aistudio.baidu.com/aistudio/course/introduce/1767
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