labelme图像标注演示
{{ interaction.likeNum == 0 ? (pageType === 'video' ? '抢首赞' : '点赞') : formatNumber(interaction.likeNum) }}
{{ interaction.collectionNum == 0 ? '收藏' : formatNumber(interaction.collectionNum) }}
{{ interaction.discussNum == 0 ? (pageType === 'video' ? '抢沙发' : '讨论') : formatNumber(interaction.discussNum) }}
分享
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
展开更多
{{tips.text}}
{{ noteHeaderTitle }}
笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
{{ detail.username }}
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
公开笔记
保存提问
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交课程大纲
自动连播
- 第一章 课程介绍
- 1-1试看 课程介绍10:04
- 第二章 Mask R-CNN原理
- 2-1图像分割-任务与数据集15:06
- 2-2Mask R-CNN原理介绍24:30
- 第三章 Detectron2项目实战
- 3-1安装pytorch09:29
- 3-2安装detectron218:29
- 3-3labelme图像标注及格式转换19:08
- 3-4网络模型训练07:16
- 3-5网络模型测试13:01
- 第四章 安装项目 (maskrcnn-benchmark)
- 4-1安装项目12:48
- 第五章 官方demo实践 (maskrcnn-benchmark)
- 5-1官方demo实践07:07
75课时
基于深度学习的计算机视觉: 原理与实践 (上部)
55151人学习
白老师
4.9
¥188.00
23课时
YOLOv3目标检测实战:训练自己的数据集
31578人学习
白老师
4.8
¥58.00
42课时
YOLOv5+DeepSORT多目标跟踪与计数精讲
20972人学习
白老师
5.0
¥98.00
40课时
YOLOv5(PyTorch)目标检测:原理与源码解析
19005人学习
白老师
5.0
¥88.00
39课时
YOLOv3目标检测:原理与源码解析
16399人学习
白老师
4.9
¥78.00
24课时
Mask R-CNN图像实例分割实战:训练自己的数据集
15606人学习
白老师
5.0
¥88.00
31课时
YOLOv5实战中国交通标志识别
11637人学习
白老师
5.0
¥88.00
24课时
PyTorch版Mask R-CNN图像实例分割实战:训练自己的数据集(Detectron2)
9723人学习
白老师
5.0
¥88.00