PyTorch版Mask R-CNN图像实例分割实战:训练自己的数据集

课程目标:学习和掌握使用PyTorch版Mask R-CNN图像实例分割来训练自己的数据集

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
5分 共19课时,共2小时22分钟
现价¥88.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

学习和掌握使用PyTorch版Mask R-CNN图像实例分割来训练自己的数据集

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

课程简介

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PyTorch1.0.0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。

pytorch-maskrcnn.jpg

第一章课程介绍
1节9分钟
1-1课程介绍 [免费试看]
09:09
第二章Mask R-CNN原理
2节47分钟
2-1图像分割-任务与数据集
17:05
2-2Mask R-CNN原理介绍
29:58
第三章安装项目
1节14分钟
3-1安装项目
14:24
第四章官方demo实践
1节7分钟
4-1官方demo实践
07:36
第五章labelme图像标注及数据格式转换
3节23分钟
5-1labelme图像标注演示
09:58
5-2数据格式转换
10:02
5-3项目数据目录准备
03:19
第六章网络模型训练
4节15分钟
6-1准备训练配置文件
05:44
6-2准备迁移学习预训练权重文件
02:08
6-3重新编译项目
00:38
6-4训练网络模型
06:34
第七章网络模型测试
5节21分钟
7-1性能指标统计
05:04
7-2demo演示
09:01
7-3图片测试
03:18
7-4视频测试
03:45
7-5视频测试效果
00:37
第八章课程总结
2节4分钟
8-1课程总结
01:56
8-2网盘文件说明
02:40
讲师介绍
白勇
讲师评分4.8分
双一流高校教授,博士生导师,美国博士学位,十年以上工作经历。先后就职美国和国内信息技术公司与高校。具有国家级科研项目经验;创业公司专家顾问。译著:计算机视觉深度学习;发表学术论文100多篇;授权专利国内外10多项。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载