下载学堂APP缓存视频离线看
- 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
适合人群：
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
你将会学到：
使用PyTorch版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Detectron2/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PyTorch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。
相关课程：Mask R-CNN图像实例分割实战：训练自己的数据集 (Keras版本) https://edu.51cto.com/course/18598.html
课程大纲-PyTorch版Mask R-CNN图像实例分割实战：训练自己的数据集（Detectron2）
第1章课程介绍(10分钟1节)
第2章Mask R-CNN原理(39分钟2节)
第3章Detectron2项目实战(1小时7分钟5节)
第4章安装项目 (maskrcnn-benchmark)(12分钟1节)
第5章官方demo实践 (maskrcnn-benchmark)(7分钟1节)
第6章labelme图像标注及格式转换(22分钟3节)
第7章网络模型训练 (maskrcnn-benchmark)(14分钟4节)
第8章网络模型测试 (maskrcnn-benchmark)(20分钟5节)
“白老师”老师的其他课程更多+
