图像分割技术全覆盖：深度学习应用实战_计算机视觉学习路线-51CTO学堂

课程介绍
课程内容
资料下载
学员评价({{ Number(total) > 999 ? '999+' : total }})

适用人群

深度学习爱好者
AI技术研究人员
图像处理专业人壇
软件开发工程师
计算机科学学者

讲师介绍

白老师

课程: 0学员: 0

教授、博士生导师、人工智能专家

课程内容

第一阶段

图像分割系列课程

图像分割系列课程，包含UNet、DeepLabv3+、Mask R-CNN、YOLACT++多种图像分割方法。

UNet（PyTorch）图像语义分割实战：训练自己的数据集
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PyTorch版UNet训练自己的数据集，从而能开展自己的图像分割应用。本课程有两个项目实践：(1) Kaggle盐体识别比赛：利用PyTorch版UNet进行Kaggle盐体识别(2) Pothole语义分割：对汽车行驶场景中
11课时 · 2小时38分钟2361人学习 5.0 2021/11/13 更新
课程大纲
课程大纲
免费试看
UNet（TensorFolow2）图像语义分割实战：训练自己的数据集
注意：本课程已从Keras更新至TensorFlow2UNet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
24课时 · 4小时33分钟6551人学习 5.0 2021/11/13 更新
课程大纲
课程大纲
免费试看
DeepLabv3+（PyTorch）图像语义分割实战：训练自己的数据集
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DeepL
9课时 · 1小时33分钟628人学习 5.0 2021/12/13 更新
课程大纲
课程大纲
免费试看
DeepLabv3+图像语义分割实战：训练自己的数据集
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图像标注工具制造自己的数据集，并使用DeepLabv3+训练自己的数据集，从而能开展自己的图像分割应用。本课程有两个项目实践：(1) CamVid语义分割：对CamVid数据集进行语义分割(2) RoadScene语义分割：对汽车行驶场景中的路坑、车、车道线等进行物
16课时 · 2小时23分钟6389人学习 4.9 2020/09/28 更新
课程大纲
课程大纲
免费试看
Mask R-CNN图像实例分割实战：训练自己的数据集
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VIA图像标注工具制作自己的数据集，并使用Mask R-CNN训练自己的数据集，从而能开展自己的图像分割应用。本课程有三个项目案例实践：(1) balloon实例分割：对图像中的气球做检测和分割(2) pothole（单类物体)实例分割：对汽车行驶场景中的路坑进行检测和分割(3)
24课时 · 3小时15分钟16480人学习 5.0 2020/09/28 更新
课程大纲
课程大纲
免费试看
YOLACT++实时实例分割实战：训练自己的数据集
YOLACT++是一种先进的基于深度学习的实时实例分割方法，可对物体的每个实例进行像素级分割。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版的YOLACT++训练自己的数据集，从而能开展自己的图像和视频实时实例分割应用。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实例分割。本课程使用Pytorch版本的YO
10课时 · 2小时7分钟1736人学习 5.0 2021/12/19 更新
课程大纲
课程大纲
免费试看

资料下载

图像分割技术全覆盖：深度学习应用实战的资料下载

UNet（PyTorch）图像语义分割实战：训练自己的数据集5 个资料

资料名称	文件大小
1.课程介绍-PyTorch	1.68M
2.1 图像分割-任务、数据集	1.60M
2.2 图像分割-性能指标	314.52KB
3. 语义分割U-Net原理	1.19M
unet(pytorch)实战	433.37KB

UNet（TensorFolow2）图像语义分割实战：训练自己的数据集7 个资料

资料名称	文件大小
1.课程介绍	2.09M
2.1 图像分割-任务、数据集	1.89M
2.2 图像分割-性能指标	497.55KB
3. 语义分割U-Net原理	1.41M
unet(tensorflow2)实战	453.78KB
安装Tensorflow	1.10M
5. unet_pothole图像分割	367.84KB

DeepLabv3+（PyTorch）图像语义分割实战：训练自己的数据集3 个资料

资料名称	文件大小
2.图像分割-任务、数据集	1.89M
3.DeepLabv3+原理	2.29M
deeplabv3plus-pytorch实战	368.99KB

DeepLabv3+图像语义分割实战：训练自己的数据集6 个资料

资料名称	文件大小
1.课程介绍	1.87M
2.图像分割-任务、数据集	1.89M
3.DeepLabv3+原理	2.29M
4. 安装Tensorflow	1.24M
deeplabCamVid (2020)	494.36KB
deeplabMydata (2020)	520.83KB

Mask R-CNN图像实例分割实战：训练自己的数据集10 个资料

资料名称	文件大小
1.课程介绍	1.60M
2.图像分割-任务、数据集	1.89M
3.实例分割-Mask R-CNN	2.53M
4.Keras版本的Mask R-CNN	821.40KB
5. 安装Mask RCNN项目	312.66KB
6.balloon实例分割项目实践	298.70KB
2.安装Tensorflow	1.10M
8.pothole实例分割项目实战	304.41KB
9.roadscene实例分割项目实战	312.79KB
10.课程总结	743.55KB