Ratings: 4.04 / 5.00




Description

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。

本课程首先讲述图像分割的任务说明、常用数据集,然后介绍UNet网络的原理

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:对汽车行驶场景中的路坑进行标注和PyTorch版UNet语义分割

本课程使用PyTorch版本的UNet,在Ubuntu系统上用Jupyter Notebook做项目演示。 包括:数据集标注、数据集格式转换和Mask图像生成、编写UNet程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。项目代码也可在Windows上运行,课程提供Windows环境搭建方法。

本课程提供项目的数据集和Python程序代码。

What You Will Learn!

  • 学习PyTorch版UNet图像语义分割技术来训练自己的数据集
  • 学习labelme图像分割标注工具
  • 掌握多类物体的图像分割方法
  • 学习UNet语义分割原理

Who Should Attend!

  • 希望掌握PyTorch版UNet图像语义分割实战技术的同学们