图像分割最好的模型（从零开始玩转图像分割AI课堂）
图像分割最好的模型（从零开始玩转图像分割AI课堂）▲ 手把手解析理论细节▲ 老师逐行 coding 实录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。为帮助大家深入了解理论原理与代码细节，老师们会现场逐行 coding，带大家从零实现自己的模型！
“目标检测那么火，为什么还要学图像分割呢？”
很多同学都这么问小编，因为很多场景需要更精确的检测，目标检测还达不到要求。例如医学图像病灶检测，自动驾驶等都需要图像分割，应用场景广泛：
- 卫星图像分析：识别建筑、道路、森林
- 医学图像分析：定位病灶、测量面积等
- 智能交通：识别道路信息，包括车道标记、交通标志等
作为视觉分析的热门方向，图像分割一直备受追捧，入坑的同学不少，栽跟头的也不少。究其原因，数据问题、计算资源问题、精细分割、上下文信息等问题难以攻克。
为帮助更多开发者深入理解图像分割这一领域，飞桨团队与百度研究院联合推出了深度学习7日打卡营《7日玩转图像分割》。
- 全球顶会审稿人亲授
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。
- 图像分割领域知识全覆盖
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
为帮助大家深入了解理论原理与代码细节，老师们会现场逐行 coding，带大家从零实现自己的模型！
▲ 老师逐行 coding 实录
▲ 手把手解析理论细节
小编问老师：“朱老师，你的开课初心是什么？”
朱老师：“我们希望带着大家，一步一步把 PPT 中的模型图变成一行行的代码，从零搭建一套自己的深度学习模型，从此告别 git clone 和调包。”
两位老师结合多年实战经验，亲自授课，10月19日起，带你从入门到精通，7日玩转图像分割！
你将收获：
1. 结业邮寄纸质版结业证书
2. 与全球顶会审稿人全程深入交流
3. 开源生态贡献卓越者，优先晋级成为 PPDE（飞桨技术专家）
4. 免费提供在线直播课 作业批改 社群答疑
5. 提供 AI Studio 在线实训平台，免费 Tesla V100 GPU 算力卡支持大家学习。百度承担所有课程与算力费用，平均6999元/人，不向学员收取任何费用
还有超级福利，等你来挑战！本次课程前三名可以获得
- 全球顶会论文审稿人的论文指导和修改机会！
- 优秀同学有百度内推面试机会，入职百度不是梦！
01
Section 1（theory）
1. 课程总体概述
2. 语义分割初探
3. 基于深度学习的语义分割算法
Section 2（practice）
1. 环境搭建
2. PaddlePaddle 动态图
3. 语义分割的数据格式和处理
作业
1. 搭建并熟悉 AI Studio 环境
2. 熟悉 Paddle 环境和动态图模式
3. 实现数据加载模块
02
Section 1（theory）
1. FCN 全卷积网络
2. FCN 网络结构详解
Section 2（practice）
1. PaddlePaddle 中的上采样操作实践
2. PaddlePaddle 实现 FCN
作业
PaddlePaddle 实现 FCN 网络
03
Section 1（theory）
1. U-Net 模型详解
2. PSPNet 模型详解
Section 2 （practice）
1. PaddlePaddle 实现 UNet/PSPNet
2. PaddlePaddle 实现 DilatedResnet
3. 分割网络 loss 和 metrics 实现
作业
1. 实现 U-Net 或 PSPNet
2. 进行模型训练和预测
04
Section 1（theory）
1. Dilated Conv 原理和细节
2. ASPP 模块解析
3. DeepLab 系列详解
Section 2（practice）
1. PadddlePaddle 实现 DeepLabV3/ ASPP/MultiGrid
2. 分割网络 inference 和 validation 实现
作业
1. DeepLab 网络实现
2. 实现语义分割网络搭建和训练完整流程
05
Section 1（theory）
1. 深入解析 GCN（图卷积网络）
2. Graph-based Segmentation 多个方法详解（GloRe GCU GINet）
Section 2（practice）
1. GCN 代码简要解析
2. 在 Pascal Context 上实现 GloRe
大作业
1. 图像分割全流程实现
06
Section 1（theory）
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
大作业
1. 图像分割全流程实现
07
Section 1（summary）
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
大作业
1. 图像分割全流程实现
百度研究院资深研究员 朱老师
本科和博士期间发表论文10余篇。博士毕业后在美国硅谷工作，负责深度学习平台和算法研发。近年来多次在 CVPR、ICCV、ECCV 等顶会上的国际比赛中取得 Top 名次。曾在硅谷一线教育平台担任人工智能课程讲师。
百度研究院高级工程师 伍老师
2019年获得中科院计算所硕士学位（计算机视觉方向），曾参与多项国家重点研发计划和国家自然科学基金项目，曾在 ICME、ECCV、CVPR 发表多篇论文，拥有多项发明专利。SemSegPaddle 的主要完成人。
担心无法坚持学习？别担心，成长的路上需要鼓励。超多奖励等你来拿！
打卡营只需要有一定的深度学习基础，就能参加！跟随全球顶会审稿人，7天搞定图像分割，现在就扫描二维码，加入课程吧~
10月19日—10月27日
每晚20:30—21:30
扫码关注【飞桨】公众号
回复【报名训练营】
获取专属报名通道
