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：