本博客介绍了基于深度学习的图像语义分割方法DeepLabv3+课程。课程将教大家用labelme制造数据集，使用DeepLabv3+训练。有CamVid和RoadScene两个项目实践，在Ubuntu系统演示，涵盖安装、标注、训练等步骤，还提供数据集和程序文件。
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。
课程链接：https://edu.youkuaiyun.com/course/detail/25328
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、车道线等进行物体标注和语义分割
本课程使用TensorFlow版本的DeepLabv3+，在Ubuntu系统上做项目演示。 包括：安装deeplab、数据集标注、数据集格式转换、修改程序文件、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。
下图是使用DeepLabv3+训练自己的数据集RoadScene进行图像语义分割的测试结果：
扫一扫
3579
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
