🚗 道路识别·语义分割
30章 实战课程
🌟 友好 · 从零到部署
01
课程导论与项目全景
自动驾驶视觉感知概述 · 语义分割任务定义 · Cityscapes数据集
02
语义分割基础概念
像素级标注 · 与分类/检测的区别 · 道路/车辆/行人
03
深度学习环境搭建
Anaconda · PyTorch · CUDA/cuDNN · GPU验证
04
图像处理基础回顾
色彩空间转换 · 几何变换 · 翻转/旋转/裁剪
05
PyTorch入门
张量操作 · 自动求导 · 简单神经网络 · 训练流程
06
数据加载与预处理
Cityscapes结构 · Dataset · DataLoader · 数据增强
07
全卷积网络(FCN)原理
转置卷积 · 跳跃连接 · FCN-32s/16s/8s
08
FCN实战
PyTorch实现FCN-8s · 交叉熵损失 · 训练监控
09
U-Net架构详解
编码器-解码器 · 跳跃连接 · 医学 vs 自动驾驶
10
U-Net实战
PyTorch实现 · Dice损失 · 可视化分割结果
11
DeepLab系列(v1/v2)
空洞卷积 · ASPP · DeepLab v1/v2架构
12
DeepLab v3与v3+
改进ASPP · 编码器-解码器 · 深度可分离卷积
13
DeepLab v3+实战
PyTorch实现 · 预训练迁移 · 模型微调
14
PSPNet
金字塔池化(PPM) · 全局上下文 · 场景解析
15
SegFormer
Transformer分割 · 分层编码器 · MLP解码器
16
损失函数深入
交叉熵 · Dice · Focal Loss · 边界损失 · 组合策略
17
评估指标详解
PA · MPA · mIoU · FWIoU
18
模型训练技巧
学习率调度 · 权重初始化 · 梯度裁剪 · BN调优
19
数据增强高级技巧
随机裁剪缩放 · 色彩抖动 · CutMix · 对抗增强
20
模型部署基础
ONNX导出 · TensorRT · 量化感知 · Jetson Nano
21
多尺度推理与TTA
多尺度融合 · 翻转集成 · 测试时增强
22
实时分割模型
ENet · ICNet · BiSeNet · 实时性平衡
23
弱监督与半监督分割
图像级标签 · 边界框 · 点标签 · 一致性正则
24
域自适应分割
风格迁移 · 对抗域自适应 · Sim2Real
25
3D语义分割简介
点云分割 · RangeNet++ · 多模态融合
26
视频语义分割
时序一致性 · 光流传播 · 时空特征融合
27
分割结果后处理
CRF · 连通域分析 · 边界细化 · 小目标修复
28
项目实战：道路场景(上)
数据准备 · 模型选择 · 训练脚本 · 超参数调优
29
项目实战：道路场景(下)
模型评估 · 可视化分析 · 错误分析 · 优化迭代
30
课程总结与前沿展望
技术瓶颈 · 大模型/自监督 · 学习资源推荐