9.27日志——“学习路线1”_轻量化CNN和实例分割

好的，看不懂很正常——MOBIUS 属于"高阶组合型"论文，它默认你已经懂 Mask R-CNN、DETR、FPN、MobileNet 这些前置知识。我给你规划一条 15
天的补课路线，目标不是精通，而是：① 能看懂主流实例分割论文在讲什么；② 能跑通官方代码；③ 回头能读懂 MOBIUS 每一节。

假设你每天能投入 6 小时左右，有 PyTorch 和卷积神经网络的入门基础。如果基础更弱，第 1–2 天多看两天、把后面论文精读降级为看视频解读即可。

---

一、核心学习资源（精选，不用全看）

中文视频（你的主力资源）

在 B 站（bilibili.com）直接搜索以下名字：

资源	用途
霹雳吧啦Wz	CV 经典论文精读 + 代码复现（FCN、Mask R-CNN、DeepLab、MobileNet 全有），本路线第一推荐
同济子豪兄	手把手代码环境，分割/检测/Mask R-CNN 教程极其友好
跟李沐学AI	《动手学深度学习》配套视频 + 论文逐段精读系列
李宏毅机器学习（B站有官方搬运）	概念讲得通俗，CNN、Transformer 部分

系统教程与文档

• 动手学深度学习（中文版，PyTorch 版）：https://zh.d2l.ai/
• CS231n 计算机视觉（斯坦福，英文）：http://cs231n.stanford.edu/ ；中文笔记搜"CS231n 中文翻译"
• MMDetection 中文文档：https://mmdetection.readthedocs.io/zh-cn/latest/
• MMSegmentation 中文文档：https://mmsegmentation.readthedocs.io/zh-cn/latest/
• Detectron2（Meta 检测分割框架）：https://github.com/facebookresearch/detectron2

查论文 & 指标

• arXiv 论文站：https://arxiv.org/
• Papers with Code（论文 + 代码 + 榜单）：https://paperswithcode.com/
• COCO 数据集与 AP 指标说明：https://cocodataset.org/

GPU 资源

没有本地显卡就用 AutoDL 租卡（学生常用，约 1–2 元/小时）：https://www.autodl.com/ ；或 Google Colab（需代理）：https://colab.research.google.com/

---

二、15 天学习路线

阶段 1：分割基础三件套（Day 1–5）

Day 1 — CNN 基础补盲 - [✅️ ]

• 卷积输出尺寸计算、padding/stride、感受野、BN、下采样
• 上采样手段：双线性插值 vs 转置卷积（分割的核心操作）
• 材料：D2L 的"卷积神经网络"章节 + 李宏毅 CNN 那几节

Day 2 — 先搞清楚四个任务的区别（这一步极其重要，你看不懂论文一半是因为这个）- [ ]

• 语义分割 / 实例分割 / 全景分割 / 目标检测 四者区别
• 搜知乎或看子豪兄视频，用自己的话画一张对比图
• 了解评估指标：mIoU（语义分割）、AP/APmask（实例分割）

Day 3 — FCN + FPN - [ ]

• FCN（arXiv:1411.4038）：第一篇端到端语义分割，理解"全卷积化"
• FPN（arXiv:1612.03144）：特征金字塔，后面几乎所有检测分割模型都用它

Day 4 — U-Net + DeepLab - [ ]

• U-Net（arXiv:1505.04597）：编码-解码 + 跳跃连接。医学分割必读，和你做的水平集方法也最容易结合（传统水平集 Chan-Vese / DRLSE 可以顺便了解思路）
• DeepLab V3（arXiv:1706.05587）：空洞卷积，理解如何不损失分辨率地扩大感受野

Day 5 — 动手日：跑通第一个分割模型 - [ ]

• 跟着子豪兄或 MMSegmentation 教程，装好环境，跑一张自己图片的分割 demo
• 验收：能说出输入图片经过了哪些模块、输出是什么

阶段 2：实例分割主线（Day 6–9）

Day 6–7 — Mask R-CNN（本阶段重头戏，给两天） - [ ]

• 先花半天快速过 R-CNN → Fast R-CNN → Faster R-CNN 的演进（理解 RPN、anchor）
• 精读 Mask R-CNN（arXiv:1703.06870）：RoIAlign、mask 分支
• 看霹雳吧啦 Wz 的 Mask R-CNN 系列 + torchvision 或 detectron2 跑 demo
• 验收：能在纸上画出 Mask R-CNN 的完整数据流

Day 8 — 单阶段实例分割 - [ ]

• YOLACT（arXiv:1904.02689）和 SOLO（arXiv:1912.04488）：看视频解读即可，理解"不靠 RPN 怎么出实例"
• 这两个是轻量化实例分割的常见思路，和你的方向直接相关

Day 9 — DETR 系（MOBIUS 的直接前置） - [ ]

• DETR（arXiv:2005.12872）：object query、二分匹配，理解"查询"这个概念
• Deformable DETR：可变形注意力（MOBIUS 里到处都是）
• Mask2Former（arXiv:2112.01527）→ Mask DINO（arXiv:2206.02777）：看综述式视频串一遍
• 验收：能回答"query 是什么、为什么能代表一个物体"

阶段 3：CNN 轻量化（Day 10–13）

Day 10 — 轻量化原理 + MobileNet V1/V2 - [ ]

• 先动手算：标准卷积 vs 深度可分离卷积的 FLOPs 差多少（这是整个轻量化的基石）
• MobileNetV1（arXiv:1704.04861）、V2（arXiv:1801.04381）：倒残差、线性瓶颈

Day 11 — MobileNet V3/V4 + ShuffleNet + GhostNet - [ ]

• MobileNetV3（arXiv:1905.02244）：SE 注意力、NAS
• MobileNetV4（arXiv:2404.10518）：MOBIUS 移动端用的骨干，重点看
• ShuffleNet（arXiv:1707.01083）：channel shuffle；GhostNet（arXiv:1911.11907）：廉价线性运算生成特征图

Day 12 — EfficientNet + 模型压缩三件套 - [ ]

• EfficientNet（arXiv:1901.00668）：深度/宽度/分辨率复合缩放
• 剪枝、量化、知识蒸馏三个概念各花 1 小时（重点：剪枝——MOBIUS 的 query pruning 本质就是结构化剪枝思想）

Day 13 — 轻量化如何用于分割/检测 - [ ]

• 核心套路：把骨干换成 MobileNet 系列 + 解码器也要省
• 浏览 MMDetection 里轻量配置文件，看别人怎么换骨干

阶段 4：收尾闭环（Day 14–15）

Day 14 — 二刷 MOBIUS - [ ]

• 带着全部前置知识重读，重点对照 Fig. 3 架构图
• 这时你应该能看懂：bottleneck 替代的是 MaskDINO encoder、剪枝替代的是固定 300 query、余弦相似度修复的是 GLEE 训练崩溃

Day 15 — 输出检验

• 写一页 A4 的笔记，或给同学/我讲一遍：MOBIUS 的基准 GLEE 是什么、三个改进点各自解决什么问题
• 跑通 MOBIUS 或 GLEE 官方 GitHub repo 的 demo（在 Papers with Code 搜论文名即可找到代码链接）

---

三、学习方法提醒

1. 论文看不懂就先看视频，不要硬啃。霹雳吧啦 Wz 讲完 Mask R-CNN 后再回去看论文，效率高 10 倍
2. 每篇论文只问三个问题：它针对谁的什么缺点？用了什么办法？代价/收益是什么？其余细节先放过
3. 代码先跑通再读懂，不要一上来逐行抠，15 天内不现实
4. 论文不必每篇精读：FCN、U-Net、Mask R-CNN、MobileNetV2/V4、DETR 精读，其余看解读即可

半个月后你会达到"能读论文、能跑代码、知道自己该往哪个小方向钻"的状态，但真正出研究成果还需要后续 1–2 个月的复现和实验，这是正常节奏。

需要的话，我可以把这份路线导出成一个 Markdown 文件放到桌面，方便你边学边勾选进度。