- 课程介绍
- 课程大纲
- 学员评价
- 其他课程 30
- 学习路径
适合人群:
具有一定深度学习基础,希望掌握PyTorch版Mask R-CNN图像实例分割实战方法的同学们
课程目标:
使用PyTorch版Mask R-CNN图像实例分割来训练自己的数据集
课程简介:
Mask R-CNN是一种基于深度学习的图像实例分割方法,可对物体进行目标检测和像素级分割。
本课程将手把手地教大家使用Labelme图像标注工具制作自己的数据集,并使用PyTorch版本的Mask R-CNN(Facebook 官方maskrcnn-benchmark)训练自己的数据集,从而能开展自己的图像分割应用。
本课程的具体项目实战案例是:对汽车行驶场景中的路坑、车、车道线等多类物体进行检测和分割 。本课程使用PyTorch1.0在Ubuntu16.04系统上进行项目全过程的演示。
本课程提供项目标注的数据集和相关Python程序文件。
课程大纲
资料下载-
第1章 课程介绍
8分钟1节
-
第2章 Mask R-CNN原理
39分钟2节
-
第3章 安装项目
12分钟1节
-
第4章 官方demo实践
7分钟1节
-
第5章 labelme图像标注及数据格式转换
22分钟3节
-
第6章 网络模型训练
14分钟4节
-
第7章 网络模型测试
20分钟5节
-
第8章 课程总结
4分钟2节
5分
学员评分
-
0%
-
0%
-
0%
-
0%
-
0%
1
非常糟
2
很差
3
一般
4
很好
5
非常好