4
40
¥ 88.00购买
开通会员,立省8.80元, 立即开通
立即购买

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。

课程讨论

这个有点坑啊

我在网上订阅了您的mask rcnn的课。在demo演示的那一节,最后用您的图片测试时报错TypeError:Expected Ptr<cv::UMAT>for argument 'image' 在降低了opencv的版本到3.4.3.18,尝试仍然不行,用官方的demo运行没问题,但用您提供的demo测试测试还是有问题

老师 我的数据都已经是标注好的彩色mask了 怎么进行训练

添加了那两句还是No module named 'maskrcnn_benchmark'

老师,我用自己的数据集转换coco格式之后,category_id乱了,原本有4类,转换之后category_id有好多种

改模型2,替换CNN卷积层为DW卷积,将resnet.py中的的卷积层修改为Conv2d( in_channels, out_channels, kernel_size=1, stride=down_stride, groups=math.gcd(in_channels,out_channels),bias=False ),

改模型1:修改default.py中的_C.MODEL.RESNETS.NUM_GROUPS=2,变为ResNext模型,则会出现错误 size mismatch for backbone.body.layer1.0.conv1.weight: copying a param with shape torch.Size([64, 64, 1, 1]) from checkpoint, the sh

对了老师 我有一个新的问题:就是我看到default.py文件中关于NUM_GROUPS的注释,=1的时候是ResNet,>1的时候是ResNext,我将这个参数进行了修改,结果发现在checkpoint出错,我想问一下老师怎么解决这个问题呢,谢谢老师

就是想请问一下老师,怎么在自己新模型上训练预训练权重,如果在yaml里不指定weight的话,训练loss一直都是全为nan

就是老师我现在需要重新修改模型,但是模型改了的话,预训练权重就用不了,这个问题有什么解决方法吗