DeepLabv3+（PyTorch）图像语义分割实战：训练自己的数据集【共9课时】

白老师特级讲师讲师评分5.0学员336469课程77

长期从事IT技术研究和开发

畅销套餐
精选套餐
人气套餐
尊享套餐
高薪套餐

UNet（TensorFolow2）图像语义分割实战：训练自己的数据集

6419人学习

￥88.00

UNet（PyTorch）图像语义分割实战：训练自己的数据集

1787人学习

￥88.00

DeepLabv3+（PyTorch）图像语义分割实战：训练自己的数据集

YOLOv5(PyTorch)目标检测：原理与源码解析

YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)

YOLOv3目标检测实战：训练自己的数据集

YOLOv3目标检测实战：网络模型改进方法

YOLOv4目标检测实战：训练自己的数据集

1904人学习

￥97.00

Windows版YOLOv4目标检测实战：训练自己的数据集

5689人学习

￥97.00

Windows版YOLOv4-tiny目标检测实战：训练自己的数据集

YOLOv5改进：更换Neck（结合BiFPN，ASFF)

2233人学习

￥78.00

更多 6 门课程

课程介绍
课程大纲

适合人群：

希望掌握DeepLabv3+图像语义分割实战技术的同学们

你将会学到：

掌握DeepLabv3+图像语义分割技术来训练自己的数据集

课程简介：

DeepLabv3+是一种非常先进的基于深度学习的图像语义分割方法，可对物体进行像素级分割。

本课程将手把手地教大家使用labelme图像标注工具制作数据集，并使用PyTorch版本的DeepLabv3+训练自己的数据集，从而能开展自己的图像语义分割应用。

本课程以RoadScene语义分割开展项目实践：对汽车行驶场景中的路坑、车、车道线进行物体标注和语义分割。

本课程使用Pytorch版本的DeepLabv3+，在Ubuntu系统上做项目演示。包括：安装PyTorch和deeplabv3+、数据集标注、数据集格式转换、训练自己的数据集、测试训练出的网络模型以及性能评估。本课程提供项目的数据集和Python程序文件。

相关课程：DeepLabv3+图像语义分割实战：训练自己的数据集（TensorFlow）https://edu.51cto.com/course/18817.html

deeplab项目实战.jpg

展开更多

课程大纲-DeepLabv3+（PyTorch）图像语义分割实战：训练自己的数据集

第1章课程介绍(4分钟1节)
1-1
课程介绍课程介绍
[04:47]开始学习
第2章DeepLabv3+图像语义分割原理(30分钟2节)
2-1
图像分割任务及常用数据集图像分割任务及常用数据集
「仅限付费用户」点击下载“2.图像分割-任务、数据集.pdf”
[15:06]开始学习
2-2
DeepLabv3+语义分割原理DeepLabv3+语义分割原理
「仅限付费用户」点击下载“3.DeepLabv3+原理.pdf”
[15:16]开始学习
第3章环境安装与测试(18分钟2节)
3-1
安装pytorch安装pytorch
「仅限付费用户」点击下载“deeplabv3plus-pytorch实战.pdf”
[07:24]开始学习
3-2
安装deeplabv3+及测试安装deeplabv3+及测试
[10:51]开始学习
第4章labelme图像标注及格式转换(20分钟2节)
4-1
labelme图像标注工具的安装与使用labelme图像标注工具的安装与使用
[11:01]开始学习
4-2
标注数据格式转换标注数据格式转换
[09:58]开始学习
第5章deeplabv3+网络训练和测试(19分钟2节)
5-1
网络训练网络训练
[10:34]开始学习
5-2
网络测试及性能统计网络测试及性能统计
[08:43]开始学习