前言
从入门到精通，7日就够了：
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DilatedResnet4.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
参考资料
【本地安装PaddlePaddle的常见错误】
https://aistudio.baidu.com/aistudio/projectdetail/697227
【图像分割7日打卡营常见问题汇总】
https://aistudio.baidu.com/aistudio/projectdetail/1100155
一、7天学到了什么？
python编程，OOP
图像处理（矩阵处理）
语义分割理论基础和算法前沿
PaddlePaddle深度学习框架（动态图）
PaddlePaddle 模型训练完整流程
二、主要收获
1.PSP分割网络
利用全局信息——有上下文信息——增大感受野，其中关键 Pyramid Pooling模块， 利用 Adaptive Pool改变宽高，利用1*1Conv改变通道数。
2.backbone中如何增大感受野
Dilated ResNet（空洞卷积）（d-膨胀系数）
总结
后面还有DeepLab系列讲解