对于自己，2020年应该思考的问题和要完成的任务

2020年应该思考的问题

1、基础问题

1. 为什么使用U-net网络？好处是什么？与FCN网络相比，有什么不同？
2. 项目中为什么使用空洞卷积？好处是？
3. 训练中出现过拟合现象的原因？解决的方法？
4. 分类相关框架：VGGNet的卷积核尺寸是多少？max pooling使用的尺寸？为什么使用3×33×3的尺寸？
5. 是否了解RESNet的residual block?
6. 是否了解检测的框架？Faster-RCNN与yolo相比哪个更快？两者区别？one-stage与two-stage检测？
7. dropout具体的实现原理？随机的还是固定？对于训练过程和测试过程如何控制dropout？
8. dropout是针对sample还是batch?
9. 是否了解BN层？
10. 项目中的测试结果有多少？如何牺牲一部分特异性来提高敏感性？医学上的意义更大？
11.  有关像素分类的图像分割方法与传统块的分割有什么区别？像素分类的方法的优点？

2、有关分割网络框架

1. 了解其他的分割网络吗？
2. FCN网络为什么用全卷积层代替全连接层？
3. SegNet的结构原理？去掉跳跃连接为什么会效果好？适用范围？
4. 金字塔分割网络（FPN)？
5. Deeplab的改进？Deeplab V3结构原理？Deeplab V3 plus改进？（有关加速？Xception等）

3、有关分类网络框架

1. 了解常见的分类网络吗？
2. Alexnet和VGGnet的区别？
3. 了解Inception网络吗？
4. 了解Densenet网络吗？
5. 了解Resnet网络吗？残差块的原理解释？为什么残差块可以解决梯度消失的问题？
6. 了解ResNext网络吗？
7. 1×11×1 的卷积核有什么作用？
8. 了解几种常见池化方法？
9. global average pooling的原理？

4、有关检测的框架

1. 了解常见的检测网络吗？
2. faster-rcnn算法原理？two-stage和one-stage？rpn网络？Roi pooling?用到的损失函数？
3. 损失函数有哪些？（平方差，指数，交叉熵）交叉熵损失函数的公式？针对多样本多像素？（对每个像素求损失，加和再取平均）
4. YOLO和SSD算法了解吗？为什么速度快？

5、Python相关

1. 遍历一个列表的元素？
2. list和元组哪个可变？
3. 输出列表序号索引内容？
4. numpy，pandas，scikit-image，opencv里面处理图像的函数？

2020年要完成的任务

1. 要把握好当前的研究方向的进展。
2. 要完成投稿2篇，在写1篇。
3. 要对未来几年有清晰的规划。
4. 要锻炼出较好的体魄。