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。
2021-09-16 11:20:40
6.43MB
1
windows+TensorFlow/keras+vgg16训练自己的数据集-附件资源
2021-08-21 00:19:28
23B
1
eriklindernoren的YOLOv3如何使用自己的数据集进行train-附件资源
2021-08-20 23:29:02
23B
1
主要介绍了PyTorch加载自己的数据集，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2021-08-15 10:54:01
74KB
1
课程演示环境：Windows10;?cuda 10.2; cudnn7.6.5; Python3.7; VisualStudio2019; OpenCV3.4
需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：训练自己的数据集》
课程链接：https://edu.csdn.net/course/detail/28745
YOLOv4来了！速度和精度双提升！
与?YOLOv3?相比，新版本的?AP (精度)和?FPS?（每秒帧率）分别提高了?10%?和?12%。
YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。
本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做项目演示。包括：安装软件环境、安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。还将介绍改善YOL
2021-08-10 17:07:26
12.7MB
1
今天小编就为大家分享一篇对python制作自己的数据集实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-08-10 09:02:36
180KB
1
Win10下用TensorFlow训练自己的数据集来做目标检测-附件资源
2021-08-07 17:44:57
106B
1