深度学习之图像分割系列课程-CSDN程序员研修院

11195人学习人数

4.8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

免费试学查看详情
14456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

免费试学查看详情
14502人学习人数

5.0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

免费试学查看详情
12772人学习人数

5.0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

免费试学查看详情
8585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

免费试学查看详情
3920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

免费试学查看详情
1883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

免费试学查看详情

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。

用AI创作