你将收获

学习TensorFlow2版本的U-Net图像语义分割技术来训练自己的数据集

学习U-Net语义分割原理

学习使用labelme图像标注

适用人群

具有一定深度学习基础,希望掌握U-Net图像语义分割实战技术的同学们

课程介绍

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:UNetPyTorch)图像语义分割实战:训练自己的数据集 https://edu.csdn.net/course/detail/36198

课程目录