深度学习之图像分割—理论与实践

这门课解决什么问题

图像分割在视觉任务里属于落地极多但门槛偏高的方向，抠图换背景、表面缺陷检测、医疗影像勾画都靠它。这门课不铺泛泛的深度学习概念，直接聚焦分割任务的完整链路：从语义分割基础模型讲到模型改进，再落到嘴唇分割和缺陷分割两个实战。它解决的是“看过理论却写不出可用模型”的断档——很多上班族和转行者能跑通官方 demo，但遇到自有数据就无从下手。课程把数据获取整理、模型搭建、训练到测试拆成可复现的步骤，重点补齐工程化短板。

适合什么基础与建议先看哪几块

资料默认你已有 Python 基础和一定框架使用经验，能看懂张量操作和训练循环，零基础直接看会卡壳。建议先看课程内容总览和图像分割基础这两块，判断任务定义与自身基础是否匹配；接着看语义分割基础模型与模型改进，把主干网络和优化思路理清；最后按嘴唇分割、缺陷分割的顺序跟着实战走。Matting 部分涉及抠图与标签处理，若你暂不接触这类任务可作后续补充，先保证主线的语义分割和两个实战吃透。

学完能独立做什么与资料怎么配合练习

学完后你能独立完成一个小型分割项目：自己整理图像与标注、搭建并训练模型、跑通测试与推理，对缺陷检测这类具体场景能给出可用的初版方案。资料配合上，建议先通读对应章节的视频理解思路，再逐段暂停动手写代码；嘴唇分割和缺陷分割务必准备本地或云端 GPU 环境，按数据准备、模型定义、训练、测试四步分别复现，每步对照视频检查输出是否一致。遇到训练不收敛或指标异常，回头重看模型改进那节里的优化技巧，比盲目调参更有效。整套资料按章节顺序推进，不建议跳过实战直接看进阶改进，否则容易在数据准备环节卡住。

本页收录 有三AI深度学习之图像分割—理论与实践，方向为体系课，重点涉及 AI。

内容涵盖：Matting基础、Matting模型、Matting模型改进 粗标签篇、Matting实战 模型简介、Matting实战 数据准备与读取、Matting实战 模型定义 等主题。

适合正在补 AI 相关知识、想按目录逐步推进的学习者。

下方为完整资料与目录，可先看目录判断是否符合需要。

1_0_课程内容.mp4 · 2_1_图像分割基础.mp4 · 3_2.1_语义分割基础模型.mp4 · 4_2.2_语义分割模型改进.mp4 · 6_3.1_简单模型嘴唇分割_数据获取与整理.mp4 · 7_3.2_简单模型嘴唇分割_模型搭建.mp4 · 8_3.3_简单模型嘴唇分割_模型训练.mp4 · 9_3.4_简单模型嘴唇分割_模型测试.mp4 · 10_4.1_缺陷分割实战_内容介绍.mp4 · 11_4.2_缺陷分割实战_模型搭建(理论).mp4 · 12_4.3_缺陷分割实战_模型搭建(代码).mp4 · 13_4.4_缺陷分割实战_数据读取.mp4 · 14_4.5_缺陷分割实战_模型训练.mp4 · 15_4.6_缺陷分割实战_模型测试.mp4 · 16_5.1_弱监督语义分割基础.mp4 · 17_5.2_弱监督语义分割模型.mp4 · 19_6.1_Image-Matting基础.mp4 · 20_6.2_基于Trimap预测的Image-Matting模型.mp4 · 21_6.3_Image-Matting模型改进（粗标签篇）.mp4 · 23_7.1_人像Image-Matting实战_模型简介.mp4 · 24_7.2_人像Image-Matting实战_数据准备与读取.mp4 · 25_7.3_人像Image-Matting实战_模型定义.mp4 · 26_7.4_人像Image-Matting实战模型_训练与测试.mp4 · 27_8.1_实例分割基础.mp4 · 28_8.2_实例分割基础模型.mp4 · 29_8.3_二阶段实例分割算法.mp4 · 30_8.4_一阶段实例分割算法.mp4 · 32_9.1_实例分割实战_数据读取.mp4 · 33_9.2_实例分割实战_评价指标编写.mp4 · 34_9.3_实例分割实战_网络模型搭建.mp4