main() file "labelme2voc.py", li,kaggle 盐,kaggle 细胞分割"/>
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188分钟,15节,如果每天学习1小时,预计学习4天。
课程简介
https://img-bss.csdnimg.cn/

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keras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。

本课程提供项目的数据集和Python程序文件。


你将收获
学习和掌握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
学习Kaggle参数流程
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