UNet(TensorFolow2)图像语义分割实战:训练自己的数据集

使用UNet图像语义分割技术来训练自己的数据集

6544人学习

中级24课时2021/11/13更新

二维码下载学堂APP缓存视频离线看

白老师
白老师高级讲师讲师评分5.0学员377592课程80

长期从事IT技术研究和开发

更多
  • 课程介绍
  • 课程大纲

适合人群:

希望掌握TensorFlow2版本的UNet图像语义分割实战技术的同学们

你将会学到:

使用UNet图像语义分割技术来训练自己的数据集

课程简介:

注意:本课程已从Keras更新至TensorFlow2

UNet是一种基于深度学习的图像语义分割方法,尤其在医学图像分割中表现优异。

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,生成Mask图像,并使用UNet训练自己的数据集,从而能开展自己的图像分割应用。

本课程有三个项目实践:

(1) Kaggle盐体识别比赛 :利用UNet进行Kaggle盐体识别

(2) Pothole语义分割:对汽车行驶场景中的路坑进行标注和语义分割

(3) Kaggle细胞核分割比赛 :利用UNet进行Kaggle细胞核分割

本课程使用TensorFlow2版本的UNet,在Ubuntu系统上用Jupyter Notebook做项目演示。 包括:数据集标注、数据集格式转换和Mask图像生成、编写UNet程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。项目代码也可在Windows上运行,课程提供Windows环境搭建方法。

本课程提供项目的数据集和Python程序代码。

相关课程:UNet(PyTorch)图像语义分割实战:训练自己的数据集

https://edu.51cto.com/course/29533.html



unet.jpg


展开更多

课程大纲-UNet(TensorFolow2)图像语义分割实战:训练自己的数据集

展开更多
在线
客服
APP
下载

下载Android客户端

下载iphone 客户端

官方
微信

关注官方微信

返回
顶部