文件名称：U-Net图像语义分割实战：训练自己的数据集
文件大小：6.43MB
文件格式：ZIP
更新时间：2024-07-04 15:13:45
unet,u-net,语义分割,图像分割,kaggle,深度学习,keras,计算机视觉,人工智能
U-Net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U-Net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U-Net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语义分割 (3) Kaggle细胞核分割比赛 ：利用U-Net进行Kaggle细胞核分割 本课程使用keras版本的U-Net，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U-Net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。 本课程提供项目的数据集和Python程序文件。
【文件预览】：
U-Net图像语义分割实战_训练自己的数据集-2019723122925405_92895.pdf
U-Net图像语义分割实战_训练自己的数据集-2019723122945421_17876.pdf
U-Net图像语义分割实战_训练自己的数据集-2019723122854601_30661.pdf
U-Net图像语义分割实战_训练自己的数据集-2019723122934119_60772.pdf
U-Net图像语义分割实战_训练自己的数据集-2019723123032218_67171.pdf
U-Net图像语义分割实战_训练自己的数据集-2019723122916593_51320.pdf
U-Net图像语义分割实战_训练自己的数据集-2019112015332892_71638.pdf