深度之眼 图像分割精讲进阶课程
本次课程结合科研中常见的实验需求，涵盖从经典到前沿的算法模型，全面系统地介绍在实践中遇到的科研需求。课程从算法理论、代码实操和模型优化三个角度入手，由在CV领域深耕多年的老师带来最具价值的论文讲
课程详细大纲
算法篇（入门）
第一周分割算法核心思想及进化思路
第一节经典分割算法路径回顾
第二节前沿分割算法发展现状
验收方式：
按照自己的思路总结语义分割算法常用思想及常用模
块，并写出其优势
第二周手把手教学搭建模型
-第一节分割常用数据集介绍
-第二节复现两大经典算法（UNet、DeepLab
V3+）
验收方式：
独立复现DeepLab v3+，有能力的同学将Xception
替换为ResNet
实验优化篇（实操）
第三周明确实验需求，替换数据集
-第一节总结训练测试核心点
-第二节实现不同数据集间的集成替换
验收方式：
独立梳理算法的训练测试流程，具体包括数据预处理
、训练逻辑、测试逻辑。将上述过程按模块整理出流
程图或其他逻辑图。
第四周常用数据增强方法
-第一节图像的几何变换和颜色变换。
-第二节实现多种数据增强方法的定义和调用。
验收方式：
课后根据Albumentations官方文档实现其他未提及的
增强方法，并将其加入代码中。
深度之眼
deepshare.net
图像分割进阶班
系统掌握算法优化、模型设计
顶刊审稿人及
教你把经典模型应用于
自己的科研项目
大厂专家联袂教学
拆解四大模块知识
系统高效的学习路线
学练测闭环提升
助教全程辅导
独立梳理算法的训练测试流程，具体包括数据预处理
、训练逻辑、测试逻辑。将上述过程按模块整理出流
程图或其他逻辑图。
第四周常用数据增强方法
-第一节图像的几何变换和颜色变换。
-第二节实现多种数据增强方法的定义和调用。
验收方式：
课后根据Albumentations官方文档实现其他未提及的
增强方法，并将其加入代码中。
深度之眼
deepshare.net
图像分割进阶班
系统掌握算法优化、模型设计
顶刊审稿人及
教你把经典模型应用于
自己的科研项目
大厂专家联袂教学
拆解四大模块知识
系统高效的学习路线
学练测闭环提升
助教全程辅导
适合谁学？
在图像分割领域，想掌握模型设计创新思路
及迁移使用论文代码的同学
在校学生
从事图像分割领域工作，想系统提升分割算
法理论，快速了解代码应用原理的在职人员
在职人员
希望能够深入研究图像分割，但实战
能力较差的转行人员/学生
无实操经验人员
你将收获
精通算法优化策略
20篇左右常用算法、模型的理
论基础和四种损失函数的实现
及优化策略
自主设计新模型
掌握经典算法的原理与框架，能
把代码灵活应用于自己的模型或
项目中
熟悉前沿工程应用
选择近期越来越火热的医学图像
分割作为案例进行知识拓展，举
握2D卷积到3D卷积的计算方法
掌握论文撰写方法
系统掌握学术论文写作，从如何
构思模型、创新点与实验优化到
撰写发表
2位大咖联袂教学
△任职于某医药公司算法
研究部
△工智能计算机视觉方向
资深研究员
八主要研究语义分割、分
类识别
△在AAAI和IJCAI顶级学
术会议发表多篇论文，并
持有多项专利
特邀讲师：Cola
在图像分割领域，想掌握模型设计创新思路
及迁移使用论文代码的同学
在校学生
从事图像分割领域工作，想系统提升分割算
法理论，快速了解代码应用原理的在职人员
在职人员
希望能够深入研究图像分割，但实战
能力较差的转行人员/学生
无实操经验人员
你将收获
精通算法优化策略
20篇左右常用算法、模型的理
论基础和四种损失函数的实现
及优化策略
自主设计新模型
掌握经典算法的原理与框架，能
把代码灵活应用于自己的模型或
项目中
熟悉前沿工程应用
选择近期越来越火热的医学图像
分割作为案例进行知识拓展，举
握2D卷积到3D卷积的计算方法
掌握论文撰写方法
系统掌握学术论文写作，从如何
构思模型、创新点与实验优化到
撰写发表
2位大咖联袂教学
△任职于某医药公司算法
研究部
△工智能计算机视觉方向
资深研究员
八主要研究语义分割、分
类识别
△在AAAI和IJCAI顶级学
术会议发表多篇论文，并
持有多项专利
特邀讲师：Cola
△加州理工大学博士
△国际Al情感计算大赛主
席团成员
JCR一区审稿人
△以一作身份在计算机视
觉，语音处理等领域国际
会议上发表超过10篇论文
目前与多位来自麻省理工
，剑桥大学等名校的教授
进行学术合作
特邀讲师：Henry
教你把经典模型
应用于自己的项目
某一个论文所讲述的模型，实际上是由许多方法拼接与
改造而得到的。在课程的设计上，我们会着重讲解模型
和实验两部分。
对于模型而言，拆分式的讲解方式可以帮助学员更好的
理解原理和优化方法。
对于实验而言，常用的各个开源数据集间往往具有很大
差距，因而需要重点培养学员举一反三的数据处理能力
a) Gnund Tnuth
bi Amemtion map
ci UNiet
4dU-Tramdermet
Fig. 1. Global contnct is erucial for compler anoin inomentation bat cannot be caps
tured by vanilla U-Niets with a limited reorptive field, (e. blue crons segion In a) with
failed seguentation in e). The proposed U-Tranaformer setwork represents fall image
此外，结果优化还依赖于数据增强和trick调整两部分
，这也将成为我们的讲解重点，力求在学习整套课程后
，学员可将复现过的代码模型独立灵活地运用于自己的
科研项目。
△国际Al情感计算大赛主
席团成员
JCR一区审稿人
△以一作身份在计算机视
觉，语音处理等领域国际
会议上发表超过10篇论文
目前与多位来自麻省理工
，剑桥大学等名校的教授
进行学术合作
特邀讲师：Henry
教你把经典模型
应用于自己的项目
某一个论文所讲述的模型，实际上是由许多方法拼接与
改造而得到的。在课程的设计上，我们会着重讲解模型
和实验两部分。
对于模型而言，拆分式的讲解方式可以帮助学员更好的
理解原理和优化方法。
对于实验而言，常用的各个开源数据集间往往具有很大
差距，因而需要重点培养学员举一反三的数据处理能力
a) Gnund Tnuth
bi Amemtion map
ci UNiet
4dU-Tramdermet
Fig. 1. Global contnct is erucial for compler anoin inomentation bat cannot be caps
tured by vanilla U-Niets with a limited reorptive field, (e. blue crons segion In a) with
failed seguentation in e). The proposed U-Tranaformer setwork represents fall image
此外，结果优化还依赖于数据增强和trick调整两部分
，这也将成为我们的讲解重点，力求在学习整套课程后
，学员可将复现过的代码模型独立灵活地运用于自己的
科研项目。
拆解四大核心内容
学练测闭环提升
课程内容涵盖四个模块
应用篇：
算法篇
掌握手动推导2D
卷积和3D卷积的
系统梳理图像分割
算法，手把手搭建
计算方法
2大经典模型
论文篇
实验篇：
通过学习论文写作指
导系列课，结合在进
阶班学习到的科研实
验知识，尝试独立撰
实现不同数据集的
集成替换，损失函
数调用和算法优化
写论文。
-每个模块都会进行细致的拆分与解析
-每节课均有验收环节，检验知识吸收程度
-系统的打牢理论基础、实操科研应用、产出高质量
paper
学前诊断
助教定制辅导
学练测闭环提升
课程内容涵盖四个模块
应用篇：
算法篇
掌握手动推导2D
卷积和3D卷积的
系统梳理图像分割
算法，手把手搭建
计算方法
2大经典模型
论文篇
实验篇：
通过学习论文写作指
导系列课，结合在进
阶班学习到的科研实
验知识，尝试独立撰
实现不同数据集的
集成替换，损失函
数调用和算法优化
写论文。
-每个模块都会进行细致的拆分与解析
-每节课均有验收环节，检验知识吸收程度
-系统的打牢理论基础、实操科研应用、产出高质量
paper
学前诊断
助教定制辅导
学员可在课程正式开始前，进行基础测试，助教团队
根据不同的基础情况选择对应的基础课程学习，且全
程提供答疑，操作教学，配置环境等督学服务。
课程详细大纲
算法篇（入门）
第一周分割算法核心思想及进化思路
-第一节经典分割算法路径回顾
-第二节前沿分割算法发展现状
验收方式：
按照自己的思路总结语义分割算法常用思想及常用模
块，并写出其优势
第二周手把手教学搭建模型
-第一节分割常用数据集介绍
-第二节复现两大经典算法（UNet、DeepLab
V3+）
验收方式：
独立复现DeepLab v3+，有能力的同学将Xception
替换为ResNet
实验优化篇（实操）
第三周明确实验需求，替换数据集
-第一节总结训练测试核心点
-第二节实现不同数据集间的集成替换
验收方式：
独立梳理算法的训练测试流程，具体包括数据预处理
、训练逻辑、测试逻辑。将上述过程按模块整理出流
程图或其他逻辑图。
第四周常用数据增强方法
-第一节图像的几何变换和颜色变换。
第二节实现多种数据增强方法的定义和调用。
验收方式：
课后根据Albumentations官方文档实现其他未提及的
增强方法，并将其加入代码中。
第五周常用损失函数
-第一节常用损失函数原理
第二节实现常用损失函数的定义和调用。
验收方式：
整理课上提到的损失函数的主要优势
第六周算法的优化策略和可视化
-第一节算法优化策略及可视化。
一第二节代码整体讲解。
验收方式：
完整实现算法的训练和测试过程，根据调整数据增强
方法、loss、学习率优化等策略，将算法结果通过可
视化的方式形成报告提交。具体见课程大纲中的验收
任务
实验阶段验收
验收任务：
要求学员自己修改优化模型，需要助教老师。
验收方式：
该任务旨在帮助学员学会修改模型，配合数据增强，
损失函数替换等优化方法提升结果。最终以模型修改
思路和指标结果两方面进行评估。
结果提交：
提交训练日志或可视化图片、测试指标、实验报告。
实验报告需写明自己对模型的修改思路，以及调优过
程中遇到的问题或自己的想法，以及对最终结果的分
析。
老师将汇总后的实验报告进行分析，反馈给学员模型
修改思路是否有意义，优化过程是否正确，结果是否
还有可提升空间。再由助教老师接收学员的第二轮反
馈，最后几种总结或答疑。
验收标准：
模型修改有意义，指标越高越好。
前沿应用篇-以医学图像分割为例（进阶）
第七周医学图像分割入门
第一节录播：医学分割背景和基础
第二节录播：医学分割与自然图像分割对比
第八周实现医学分割前沿算法
-第一节录播：DAResNet论文讲解
-第二节直播：DAResNet代码实现
根据不同的基础情况选择对应的基础课程学习，且全
程提供答疑，操作教学，配置环境等督学服务。
课程详细大纲
算法篇（入门）
第一周分割算法核心思想及进化思路
-第一节经典分割算法路径回顾
-第二节前沿分割算法发展现状
验收方式：
按照自己的思路总结语义分割算法常用思想及常用模
块，并写出其优势
第二周手把手教学搭建模型
-第一节分割常用数据集介绍
-第二节复现两大经典算法（UNet、DeepLab
V3+）
验收方式：
独立复现DeepLab v3+，有能力的同学将Xception
替换为ResNet
实验优化篇（实操）
第三周明确实验需求，替换数据集
-第一节总结训练测试核心点
-第二节实现不同数据集间的集成替换
验收方式：
独立梳理算法的训练测试流程，具体包括数据预处理
、训练逻辑、测试逻辑。将上述过程按模块整理出流
程图或其他逻辑图。
第四周常用数据增强方法
-第一节图像的几何变换和颜色变换。
第二节实现多种数据增强方法的定义和调用。
验收方式：
课后根据Albumentations官方文档实现其他未提及的
增强方法，并将其加入代码中。
第五周常用损失函数
-第一节常用损失函数原理
第二节实现常用损失函数的定义和调用。
验收方式：
整理课上提到的损失函数的主要优势
第六周算法的优化策略和可视化
-第一节算法优化策略及可视化。
一第二节代码整体讲解。
验收方式：
完整实现算法的训练和测试过程，根据调整数据增强
方法、loss、学习率优化等策略，将算法结果通过可
视化的方式形成报告提交。具体见课程大纲中的验收
任务
实验阶段验收
验收任务：
要求学员自己修改优化模型，需要助教老师。
验收方式：
该任务旨在帮助学员学会修改模型，配合数据增强，
损失函数替换等优化方法提升结果。最终以模型修改
思路和指标结果两方面进行评估。
结果提交：
提交训练日志或可视化图片、测试指标、实验报告。
实验报告需写明自己对模型的修改思路，以及调优过
程中遇到的问题或自己的想法，以及对最终结果的分
析。
老师将汇总后的实验报告进行分析，反馈给学员模型
修改思路是否有意义，优化过程是否正确，结果是否
还有可提升空间。再由助教老师接收学员的第二轮反
馈，最后几种总结或答疑。
验收标准：
模型修改有意义，指标越高越好。
前沿应用篇-以医学图像分割为例（进阶）
第七周医学图像分割入门
第一节录播：医学分割背景和基础
第二节录播：医学分割与自然图像分割对比
第八周实现医学分割前沿算法
-第一节录播：DAResNet论文讲解
-第二节直播：DAResNet代码实现
第九周 Transformer结构
-第一节录播：Transformer结构理论基础
-第二节直播：Transformer结构代码定义
第十周模型搭建方法论
第一节录播：分割常用模块回顾及实现
-第二节直播：如何搭建创新模型
论文写作方法（成果）
可以在完成图像分割进阶班的全部学习计划后，通过
学习论文写作指导系列课，结合在进阶班学习到的科
研实验知识，尝试独立撰写论文。
导论--1h33min
-论文撰写-导论1
论文撰写-导论2
-论文撰写-导论3
写作方法--5h29min
- 论文撰写-related work
-论文撰写-方法章节
-论文撰写-introduction
摘要和总结
-实验结果
-第一节录播：Transformer结构理论基础
-第二节直播：Transformer结构代码定义
第十周模型搭建方法论
第一节录播：分割常用模块回顾及实现
-第二节直播：如何搭建创新模型
论文写作方法（成果）
可以在完成图像分割进阶班的全部学习计划后，通过
学习论文写作指导系列课，结合在进阶班学习到的科
研实验知识，尝试独立撰写论文。
导论--1h33min
-论文撰写-导论1
论文撰写-导论2
-论文撰写-导论3
写作方法--5h29min
- 论文撰写-related work
-论文撰写-方法章节
-论文撰写-introduction
摘要和总结
-实验结果
