【直播课】12小时掌握语义分割与实例分割核心理论与实践
前言
图像分割是指将图像分成若干具有相似性质的区域的过程，从数学角度来看，图像分割是将图像划分成互不相交的区域的过程。近些年来随着深度学习技术的逐步深入，图像分割技术有了突飞猛进的发展，该技术相关的场景物体分割、人体前背景分割、人脸人体Parsing、三维重建等技术已经在无人驾驶、增强现实、安防监控等行业都得到广泛的应用。
为了帮助初学者解决入门项目实践的问题，有三AI推出《深度学习之图像分割-理论实践篇》课程，让你以最短的时间掌握深度学习图像分割的项目实践基础知识并进行代码实践。
课程介绍
课程大纲如下：涵盖了初学深度学习之图像分割实战项目所需的知识点，如语义分割、实例分割、评价指标、提升性能技巧等，在课程中老师会使用通俗易懂的语言帮助大家理解涉及的知识点。
课程大纲
课程配以“基于Pytorch的表面缺陷语义分割实战”及“基于Pytorch的实例分割实战”两大实战项目。
随着“智能制造2025”的持续发展，工业界面临着诸多诉求，表面缺陷检测便是其中非常火热的研究内容，实际落地需求较大。因此，项目1主要针对钢、磁铁、布匹等表面缺陷进行语义分割，在详实的讲解和演示过程中，带你走进语义分割领域，帮助你了解如何提升分割的性能以及相关技巧。
相较于语义分割的研究，学术界以及工业界均提出了更新更具有难度的任务——实例分割，即不仅需要判别每个类别，还需要区分出每个类别下的不同个体。项目2则以MS COCO数据集为依托，利用Mask RCNN进行实例分割的相关实战，带领大家明白如何从语义分割走向更高层级的实例任务，以及二者的区别和联系。
课程采用理论加Pytorch实战的方式进行讲解，在代码实战阶段，课程还会提供实战所需的代码和数据集，并且会对代码进行逐行讲解，让你对代码有个深刻的理解。
课程具体安排如下：
深度学习之图像分割-理论实战篇
|
|
时间 |
章节 |
|
|
2021.1.30 周六 |
基于Pytorch的表面缺陷语义分割实战 |
|
|
第1节 第2节 第3节 第4节 第5节 |
语义分割简介 语义分割经典算法介绍 表面缺陷数据集介绍 实战部分 提升性能的技巧 |
|
2021.1.31 周日 |
基于Pytorch的实例分割实战 |
|
|
第1节 第2节 第3节 |
实例分割简介 实例分割经典算法简介 实战部分 |
讲师介绍
郭冰洋，东北大学软件学院博士，专注于图像分类、分割以及三维重建等领域，发表相关论文两篇。担任有三AI公众号图像分类专栏作者，于公众号及知乎撰写相关文章二十余篇，多次参与录制图像分类课程并开设直播训练营。
该讲师所写专栏和主讲课程链接如下：
费用以及报名方式
订阅本课程的方法有二个：
其一：有三AI CV春夏季划组自动获取权限，除此之外有三AI CV春夏季划还会获取所有计算机视觉基础方向与编程方向的专栏，包括但不限于分类，分割，检测，跟踪，Linux，Python，图像处理等内容，两个组的相关介绍如下：
其二：单独订阅本次直播课程，本次直播的两个链接如下：