课程描述
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。
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。
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推出的飞桨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。