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labelme图像实例分割标注工具

掌握多类物体的图像实例分割方法

适用人群

具有一定深度学习基础,希望掌握PyTorch版Mask R-CNN图像实例分割实战方法的同学们

课程介绍

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 。本课程使用PyTorch1.0在Ubuntu16.04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。

课程目录

学员评价

4.8
  • 94%
  • 3%
  • 3%
  • 0%
  • 0%
  • u014205537 2020-06-29 15:32

    [ 学习 03 小时 41 分时评价 ] 实用性强
    4.0分

    生成的预训练权重文件my_pretrained_R_50.pth,后面也没有导入网络训练啊,那这个预训练权重文件是干什么用的?只有这部分不理解,其他都很好。

  • u010523785 2020-06-06 20:30

    3.0分

    6.3 图片测试错误 maskrcnn_benchmark/utils/cv2_util.py", line 17, in findContours contours, hierarchy = cv2.findContours(*args, **kwargs) TypeError: Expected Ptr<cv> for argument '%s' 导致没法继续进行。。

  • Delibal 2020-04-05 11:01

    5.0分

    老师,我在训练自己的数据集时候遇到了问题,请问您知道是怎么回事吗?ValueError: Type mismatch (<class> vs. <class>) with values ((60000, 80000) vs. (24000, 32000)) for config key: SOLVER.STEPS

查看更多评价