在线网盘点击查看详情购买后内容一样

你能学到什么？

本课程以理论加实践的方式，带你深入理解深度学习图像分割任务。理论讲解完备，代码逐行分析，真正做到现学现用！！！

前言

欢迎大家关注有三AI的视频课程系列，我们的视频课程系列共分为5层境界，内容和学习路线图如下：

第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用。第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类。

第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，目标跟踪。

第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。

第5层：掌握算法落地的关键技术，包括模型优化，模型部署。

其中部分课程的主体内容已经更新完毕，比如数据使用/模型分析/图像分类/图像分割/目标检测/图像生成/视频分类/模型部署/模型优化；部分课程正在重制更新中，比如人脸图像；部分课程正在计划上线中，比如图像编辑，请大家及时关注！

本次给大家介绍的课程内容是《深度学习之图像分割》，目标是帮助大家掌握好深度学习图像分割问题。

为什么要学习这门课

图像分割在视频直播，电商推荐，自动驾驶，医学图像等行业中有着广泛的应用，是深度学习计算机视觉领域中非常底层的技术。

图像分割包含的方向也非常多，包括语义分割、实例分割、Image Matting等方向，相比于图像分类问题，不仅是更加细粒度的像素级分类问题，也和目标检测问题息息相关。为了帮助大家系统性解决所有图像分割领域知识的学习，我们推出了《深度学习之图像分割-理论实践篇》专栏课程。

课程的主体部分已经更新完毕，本课程结合实际项目，将所学理论应用于实践。

课程内容介绍

本课程内容包括图像分割的各个领域的算法与实践，时长超过10个小时，分为3大模块，4个实践案例。包括图像分割的理论知识和实践内容，内容详细，案例丰富，下面是当前课程的大纲脑图：

(1) 理论知识充足：涵盖了深度学习之图像分割的各个研究方向，如图像分割基础、语义分割模型及其改进技术、弱监督语义分割，Image Matting经典模型及其改进，各类实例分割模型等，既有足够的宽度，也具备有足够的深度。我们会非常详细地讲解算法中的细节，帮助彻底消化算法原理；(2) 实践非常丰富：本次课程中一共已经包含了4个实践案例，分别为人脸嘴唇分割实战，缺陷分割实战，Image Matting人像抠图实战，Mask RCNN实例分割实战，后续还会增加其他方向的实战，部分案例结果图如下：

3大模块分为语义分割，实例分割，以及Image Matting，这是图像分割的3个大的子领域。(1) 语义分割包括图像分割基础、语义分割模型及其改进技术、弱监督语义分割，语义分割实战等。

(2) Image Matting包括Image Matting经典模型及其改进，人像Image Matting实战。

(3) 实例分割包括各类实例分割模型理论与实战。

下面简单了解一下课程各部分的大体内容：(0) 课程简介，包括图像分割课程介绍。

(1) 图像分割基础，包括图像分割问题定义，数据集，评估方法与优化目标，约50分钟，本小节内容可以免费收听。

(2) 语义分割基础模型详解，包括FCN，SegNet，UNet，约50分钟，本小节内容可以免费收听。

(3) 语义分割模型改进，包括感受野改进，多尺度模型，后处理等内容，约40分钟。

(4) 嘴唇图像分割实战，包括数据获取与整理，模型搭建，模型训练，模型测试，约50分钟，本小节内容可以免费收听。

(5) 缺陷分割与主流语义分割模型实践，包括数据类的创建与数据读取，模型搭建，训练与测试，约200分钟。

(6) 弱监督语义分割模型讲解，包括问题定义，关键技术，以及弱监督的语义分割模型，约50分钟。

(7) Image Matting模型，包括基本概念，基于Trimap的Matting模型以及无Trimap的模型改进，约70分钟。

(8) Image Matting人像抠图实战，包括抠图模型讲解，数据准备与读取，模型搭建，模型训练与测试，共约60分钟。

(9) 实例分割基础，包括实例分割问题定义，评估方法与优化目标，基础实例分割模型详解，约60分钟。

(10) 二阶段与一阶段的经典实例分割模型，包括FCIS，Mask RCNN，YOLACT，SOLO，PolarMask等详解，共约80分钟。

(11) Mask-RCNN实例分割实战，包括数据读取，模型搭建，共约50分钟。

(12) 直播答疑，课程配套有直播答疑，6月份即将开启。

本课程适合人群：(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。

(2) 掌握了Python，深度学习基础概念等预备知识的技术人员。

(3) 学习与从事计算机视觉领域的技术人员。

学习完本课程你将掌握：

(1) 图像分割各领域的主流算法。

人像分割实战效果展示

课程讲师介绍

本课程讲师包括言有三与郭冰洋，其中言有三讲解主要内容，郭冰洋讲解2个实战，包括缺陷图像分割实战与Mask-RCNN实例分割实战。

言有三，技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012)，中国科学院半导体研究所神经网络实验室(2012-2015)，先后就职于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度学习实验室(2017.5-2019.3)，深度学习算法专家，阿里云MVP，华为云MVP。拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。

擅长领域：Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。

郭冰洋，技术社区《有三AI》专栏作者，课程讲师，目前于东北大学软件学院攻读博士学位。主要研究领域为图像分割、缺陷检测、弱监督学习、小样本学习等。