成功

扫码支付

购买商品:
商品价格:

价格读取中

支付方式:
微信

请扫码进行支付

支付宝

请扫码进行支付

二维码已过期,请点击刷新

白勇
研究员/教授
大学教授,美国归国博士、博士生导师;人工智能公司专家顾问;长期从事人工智能、物联网、大数据研究;已发表学术论文100多篇,授权发明专利10多项
显示更多
本课程共计198分钟,24节,如果每天学习1小时,预计学习4天。
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:


你将收获
学习和掌握使用Mask R-CNN图像实例分割来训练自己的数据集
学习VIA图像实例分割标注工具
掌握单类物体的图像实例分割方法
掌握多类物体的图像实例分割方法
第一章:课程介绍
第二章:Mask R-CNN图像实例分割
第三章:Mask R-CNN项目安装
第四章:balloon实例分割项目实践
第五章:VIA图像标注工具
第六章:pothole图像实例分割项目实战
第七章:roadscene实例分割项目实战
第八章:课程总结
查看更多章节
查看更多笔记

加载中...

没有更多了

同学笔记空空如也

查看更多评价

加载中...

没有更多了

空空如也

手机看
关注公众号

关注公众号

下载APP

下载APP

客服 帮助 返回
顶部