- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐



















- 课程介绍
- 课程大纲 试看
- 讲师好课 59
- 学员评价
适合人群:
具有一定深度学习基础,希望掌握Mask R-CNN图像实例分割实战方法的同学们
课程目标:
学习和学习使用Mask R-CNN图像实例分割来训练自己的数据集
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。
下图是使用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:
课程大纲-Mask R-CNN图像实例分割实战:训练自己的数据集
资料下载-
第1章 课程介绍 (6分钟 1节)
-
第2章 Mask R-CNN图像实例分割 (51分钟 3节)
-
第3章 Mask R-CNN项目安装 (9分钟 1节)
-
第4章 balloon实例分割项目实践 (24分钟 2节)
-
第5章 VIA图像标注工具 (22分钟 2节)
-
第6章 pothole图像实例分割项目实战 (44分钟 7节)
-
第7章 roadscene实例分割项目实战 (34分钟 7节)
5