课程介绍
{{ 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
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
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04:47
- 第二章 DeepLabv3+图像语义分割原理
- 2-1图像分割任务及常用数据集15:06
- 2-2DeepLabv3+语义分割原理15:16
- 第三章 环境安装与测试
- 3-1安装pytorch07:24
- 3-2安装deeplabv3+及测试10:51
- 第四章 labelme图像标注及格式转换
- 4-1labelme图像标注工具的安装与使用11:01
- 4-2标注数据格式转换09:58
- 第五章 deeplabv3+网络训练和测试
- 5-1网络训练10:34
- 5-2网络测试及性能统计08:43
75课时
基于深度学习的计算机视觉: 原理与实践 (上部)
55154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