硕士毕设-语义分割-0-计划制定
总体策略优先级排序 野外场景特性（光照变化、复杂纹理） 弱监督数据标注 无监督域适应 实时性优化 核心方法 论文精读+代码复现：优先关注STEGO改进方向 项目驱动学习：构建野外场景语义分割Pipeline 效率工具： PyTorch Lightning（加速实验） W&B（指标记录） GitHub Actions（自动化测试） 第一阶段：基础夯实（Day 1-7）目标：掌握传统语义分割核心模型与野外场景数据特性 每日安排 上午（2h）：论文精读+数学推导 下午（2h）：代码复现与调试 晚上（1h）：整理笔记/GitHub文档 Day 1-3: 传统语义分割模型必读论文： FCN (CVPR 2015) U-Net (MICCAI 2015) DeepLabv3+ (ECCV 2018) 代码实践： 12# 参考TorchVision实现U-Netmodel =...
