Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。

本课程将手把手地教大家使用labelme标注和使用Swin Transformer训练自己的数据集进行图片和视频的实例分割。 

本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。

本课程以汽车驾驶场景图片和视频开展项目实践：对汽车行驶场景中的路坑、车、车道线进行物体标注和实例分割。  

课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。  

本课程提供项目的数据集和相关Python程序文件。

相关课程： 

《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697

《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699

《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719

《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768

《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585

《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586

《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045