飞桨PaddlePaddle图像分割七日打卡营学习
飞桨PaddlePaddle图像分割七日打卡营学习心得
课程链接: link.
图像分割
图像分割是计算机视觉研究中的一个经典难题，已经成为图像理解领域关注的一个热点，图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。
学习心得
首先奉上百度AI Studio的课程和学习资料链接，飞桨的图像分割课程干货非常多，基本上手撕多种经典网络。对于我这种代码困难户，一些基础算法调多了，手撕的时候反而不会写了。这个课刚好带你手撕多种网络的代码，自下向上，非常清楚。
百度研究院学术大神朱老师，在线讲解图像分割的原理，在线coding， 在线debug，这就是大厂吗。
对于这个paddle的框架，由于都是动态图的架构，和Pytroch还是很相近的。对于卷积层参数定义，输入通道数和输出通道数，分别用num_channels和num_filters定义，这个思路很巧妙。主攻神经网络模型压缩的我来说，对于层的理解恰恰是这样。另外paddle比Pytorch更加底层一些，怎么做轮子都很清楚。
后续会进一步编辑博客，补充心得和关于几个经典网络的paddle实现后续也会补充pytorch实现。