包含课程

  • 11318人 学习人数
    4.7分 课程评分
    Mask R-CNN图像实例分割实战:训练自己的数据集
    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VIA图像标注工具制作自己的数据集,并使用Mask R-CNN训练自己的数据集,从而能开展自己的图像分割应用。 本课程有三个项目案例实践: (1) balloon实例分割 :对图像中的气球做检测和分割 (2) pothole(单类物体)实例分割:对汽车行驶场景中的路坑进行检测和分割 (3) roadscene( 多类物体)实例分割:对汽车行驶场景中的路坑、车、车道线等进行检测和分割 本课程使用Keras版本的Mask R-CNN,在Ubuntu系统上做项目演示。 本课程提供项目的数据集和python程序文件。 下面是使用Mask R-CNN对roadscene进行图像实例分割的测试结果:下图是使用Mask R-CNN对pothole进行单类物体图像实例分割的测试结果: 下图是使用Mask R-CNN对roadscene进行多类物体图像实例分割的测试结果:
    mask r-cnn
    mask rcnn
    实例分割
    图像分割
    计算机视觉
  • 14579人 学习人数
    4.8分 课程评分
    UNet(TensorFlow2)图像语义分割实战:训练自己的数据集
    注意:本课程已从Keras更新至TensorFlow2 U-Net是一种基于深度学习的图像语义分割方法,尤其在医学图像分割中表现优异。 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,生成Mask图像,并使用U-Net训练自己的数据集,从而能开展自己的图像分割应用。 本课程有三个项目实践: (1) Kaggle盐体识别比赛 :利用U-Net进行Kaggle盐体识别 (2) Pothole语义分割:对汽车行驶场景中的路坑进行标注和语义分割 (3) Kaggle细胞核分割比赛 :利用U-Net进行Kaggle细胞核分割 本课程使用TensorFlow2版本的U-Net,在Ubuntu系统上用Jupyter Notebook做项目演示。 包括:数据集标注、数据集格式转换和Mask图像生成、编写U-Net程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。项目代码也可在Windows上运行,课程提供Windows环境搭建方法。   本课程提供项目的数据集和Python程序代码。 相关课程:UNet(PyTorch)图像语义分割实战:训练自己的数据集 https://edu.csdn.net/course/detail/36198
    unet
    u-net
    语义分割
    图像分割
    kaggle
  • 14678人 学习人数
    4.7分 课程评分
    DeepLabv3+图像语义分割实战:训练自己的数据集
    DeepLabv3+是一种非常先进的基于深度学习的图像语义分割方法,可对物体进行像素级分割。 本课程将手把手地教大家使用labelme图像标注工具制作数据集,并使用DeepLabv3+训练自己的数据集,从而能开展自己的图像语义分割应用。 本课程有两个项目实践: (1) CamVid语义分割 :对CamVid数据集进行语义分割 (2) RoadScene语义分割:对汽车行驶场景中的路坑、车、车道线进行物体标注和语义分割 本课程使用TensorFlow版本的DeepLabv3+,在Ubuntu系统上做项目演示。 包括:安装deeplab、数据集标注、数据集格式转换、修改程序文件、训练自己的数据集、测试训练出的网络模型以及性能评估。 本课程提供项目的数据集和Python程序文件。 下图是使用DeepLabv3+训练自己的数据集RoadScene进行图像语义分割的测试结果:
    deeplab
    deeplabv3+
    语义分割
    图像分割
    计算机视觉
  • 12985人 学习人数
    4.8分 课程评分
    PyTorch版Mask R-CNN图像实例分割实战:训练自己的数据集
    注意:本课程已从maskrcnn-benchmark更新到了Detectron2Mask 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Detectron2/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 。本课程在Ubuntu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。相关课程:Mask R-CNN图像实例分割实战:训练自己的数据集 (Keras版本 )https://edu.csdn.net/course/detail/25128
    pytorch
    mask r-cnn
    mask rcnn
    图像分割
    labelme
  • 8931人 学习人数
    5.0分 课程评分
    UNet(PyTorch)图像语义分割实战:训练自己的数据集
    UNet是一种基于深度学习的图像语义分割方法,尤其在医学图像分割中表现优异。 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,生成Mask图像,并使用PyTorch版UNet训练自己的数据集,从而能开展自己的图像分割应用。 本课程有两个项目实践: (1) Kaggle盐体识别比赛 :利用PyTorch版UNet进行Kaggle盐体识别 (2) Pothole语义分割:对汽车行驶场景中的路坑进行标注和PyTorch版UNet语义分割 本课程使用PyTorch版本的UNet,在Ubuntu系统上用Jupyter Notebook做项目演示。 包括:数据集标注、数据集格式转换和Mask图像生成、编写UNet程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。项目代码也可在Windows上运行,课程提供Windows环境搭建方法。本课程提供项目的数据集和Python程序代码。
    kaggle
    语义分割
    u-net
    计算机视觉
    labelme
  • 4104人 学习人数
    5.0分 课程评分
    DeepLabv3+(PyTorch)图像语义分割:训练自己的数据集
    DeepLabv3+是一种非常先进的基于深度学习的图像语义分割方法,可对物体进行像素级分割。 本课程将手把手地教大家使用labelme图像标注工具制作数据集,并使用PyTorch版本的DeepLabv3+训练自己的数据集,从而能开展自己的图像语义分割应用。 本课程以RoadScene语义分割开展项目实践:对汽车行驶场景中的路坑、车、车道线进行物体标注和语义分割。 本课程使用Pytorch版本的DeepLabv3+,在Ubuntu系统上做项目演示。 包括:安装PyTorch和deeplabv3+、数据集标注、数据集格式转换、训练自己的数据集、测试训练出的网络模型以及性能评估。本课程提供项目的数据集和Python程序文件。 相关课程:DeepLabv3+图像语义分割实战:训练自己的数据集(TensorFlow)https://edu.csdn.net/course/detail/25328
    语义分割
    计算机视觉
    pytorch
    人工智能
    图像分割
  • 1953人 学习人数
    5.0分 课程评分
    YOLACT++实时实例分割实战:训练自己的数据集
    YOLACT++是一种先进的基于深度学习的实时实例分割方法,可对物体的每个实例进行像素级分割。 本课程将手把手地教大家使用labelme图像标注工具制作数据集,并使用PyTorch版的YOLACT++训练自己的数据集,从而能开展自己的图像和视频实时实例分割应用。 本课程以RoadScene语义分割开展项目实践:对汽车行驶场景中的路坑、车、车道线进行物体标注和实例分割。 本课程使用Pytorch版本的YOLACT++,在Ubuntu系统上做项目演示。另外,课程也给出Windows上的环境安装方法。项目具体流程包括:安装PyTorch和YOLACT++、数据集标注、数据集格式转换、训练自己的数据集、测试训练出的网络模型。 本课程提供项目的数据集和相关Python程序文件。
    实例分割
    实时
    yolact
    计算机视觉
    人工智能

套餐介绍

深度学习之图像分割系列课程,包含UNet、DeepLabv3+、Mask R-CNN、YOLACT++多种基于深度学习的图像分割方法。