扫码下载「CSDN程序员学院APP」,1000+技术好课免费看
APP订阅课程,领取优惠,最少立减5元 ↓↓↓
![](https://i-blog.csdnimg.cn/blog_migrate/a95089b5886005bc1baa39a380cf910c.png)
订阅后:请点击此处观看视频课程
视频教程-实战图像分割mask R-CNN之美图修图-计算机视觉
学习有效期:永久观看
学习时长:358分钟
学习计划:6天
难度:中
「口碑讲师带队学习,让你的问题不过夜」
![](https://i-blog.csdnimg.cn/blog_migrate/26aabd7d73b904c24f6f2155fc6246ac.jpeg)
讲师姓名:易文星
CEO/董事长/总经理
讲师介绍:多年的人工智能开发经验,包括但不限于:上海穹跃广告公司、上海飞牛电商公司,以及上海华院分析技术公司等等公司。
☛点击立即跟老师学习☚
「你将学到什么?」
mask R-CNN是facebook出品的一个经典的图像实例分割模型,作为一个里程碑,影响了很多其它的图像分割模型,而且甚至于一些OCR模型也在拷贝或借鉴mask R-CNN的技巧和思想。
本课程带着大家一起领略图像分割技术在美图修图风格转换中的有趣应用,亲自动手训练和使用模型,可操作性非常强。
同时,本课程清晰阐述了从R-CNN到mask R-CNN的技术发展脉络,对mask R-CNN关键细节的讲解更加通俗和精准。对于一些让人长期感到模糊和困惑的技术难点,也给出了清晰的解答。
「课程学习目录」
第1章:课程导学 |
1.开篇词 |
第2章:当美图修图遇上图像分割 |
1.图像分割大有可为 |
第3章:预备知识速成 |
1.准确理解loU,NMS |
2.NMS的真实作用、局限和改进 |
3.CNN卷积神经网络神通广大的起因 |
4.理解多通道卷积 |
5.卷积激活和池化的怪事之顺序与偏移 |
6.卷积偏移激活和池化的顺序和原因 |
7.卷积偏移激活和池化的顺序和原因之二 |
第4章:TensorFlow图像数据增强 |
1.用图像数据增强来实现invariant |
2.若干常用的函数及其例子代码 |
3.若干常用的函数及其例子代码之二 |
4.若干常用的函数及其例子代码之三 |
5.若干常用的函数及其例子代码之四 |
6.若干常用的函数及其例子代码之五 |
7.理性看待数据增强与CNN网络特性 |
第5章:图像分割的标注工具 |
1.labelme的安装与使用 |
第6章:mask R-CNN的进化历程 |
1.从CNN到mask R-CNN |
2.从CNN到mask R-CNN之二 |
3.位置信息与语义信息的完美融合 |
第7章:mask R-CNN实战 |
1.源代码包的获取及其目录文件 |
2.搭建运行环境以及运行demo |
3.搭建运行环境以及运行demo之二 |
4.搭建运行环境以及运行demo之三 |
5.用少量数据训练出一个新模型 |
6.用少量数据训练出一个新模型之二 |
7.使用模型来变换图片的背景 |
第8章:mask R-CNN的若干细节 |
1.FPN和RPN以及heads的协同 |
第9章:尺寸缩放时保持mask精度 |
1.代码才是最权威的答案 |
第10章:总结与工作应用展望_ |
1.总结与工作应用展望 |
「7项超值权益,保障学习质量」
- 大咖讲解
技术专家系统讲解传授编程思路与实战。
- 答疑服务
专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。
- 课程资料+课件
超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)
- 常用开发实战
企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。
- 大牛技术大会视频
2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。
- APP+PC随时随地学习
满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。
「什么样的技术人适合学习?」
- 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
- 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
- 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。
「悉心打造精品好课,6天学到大牛3年项目经验」
【完善的技术体系】
技术成长循序渐进,帮助用户轻松掌握
掌握计算机视觉知识,扎实编码能力
【清晰的课程脉络】
浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。
【仿佛在大厂实习般的课程设计】
课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。
「你可以收获什么?」
1.掌握图像处理相关的基本技能
2.理解美图修图的实际应用
3.理解R-CNN以及mask R-CNN等技术的发展脉络
4.掌握深度学习和神经网络方面的若干经典技巧