图像分割实战

开课时间：适合深度学习方向的同学们

开课时长：全程实战解读各大分割算法及其应用实例

机器学习基础入门

会员价￥238.00

现价：￥298.00

原价：￥298.00

开通会员，立省60元立即开通

券当前课程，会员领券立减30元>>

报名关闭课程咨询

该课程已关闭

免费课时1：课程介绍 07:15
第1 章：图像分割及其损失函数概述
课时2：语义分割与实例分割概述 06:37
课时3：分割任务中的目标函数定义 07:35
课时4：MIOU评估标准 03:33
第2 章：卷积神经网络原理与参数解读
课时5：卷积神经网络应用领域 07:24
课时6：卷积的作用 09:23
课时7：卷积特征值计算方法 08:07
课时8：得到特征图表示 06:58
课时9：步长与卷积核大小对结果的影响 08:11
课时10：边缘填充方法 06:30
课时11：特征图尺寸计算与参数共享 07:02
课时12：池化层的作用 05:38
课时13：整体网络架构 06:20
课时14：VGG网络架构 06:16
课时15：残差网络Resnet 07:41
课时16：感受野的作用 05:46
第3 章： Unet系列算法讲解
课时17：Unet网络编码与解码过程 08:07
课时18：网络计算流程 06:51
课时19：Unet升级版本改进 05:52
课时20：后续升级版本介绍 06:30
第4 章： unet医学细胞分割实战
课时21：医学细胞数据集介绍与参数配置 06:45
课时22：数据增强工具 07:23
课时23：Debug模式演示网络计算流程 06:45
课时24：特征融合方法演示 07:12
课时25：迭代完成整个模型计算任务 08:02
课时26：模型效果验证 05:33
第5 章： U2NET显著性检测实战
课时27：任务目标与网络整体介绍 09:52
课时28：显著性检测任务与目标概述 06:36
课时29：编码器模块解读 09:21
课时30：解码器输出结果 06:51
课时31：损失函数与应用效果 06:16
第6 章： deeplab系列算法
课时32：deeplab分割算法概述 06:02
课时33：空洞卷积的作用 06:53
课时34：感受野的意义 06:48
课时35：SPP层的作用 07:25
课时36：ASPP特征融合策略 05:16
课时37：deeplabV3Plus版本网络架构 08:40
第7 章：基于deeplabV3+版本进行VOC分割实战
课时38：PascalVoc数据集介绍 09:11
课时39：项目参数与数据集读取 10:35
课时40：网络前向传播流程 06:29
课时41：ASPP层特征融合 11:22
课时42：分割模型训练 05:51
第8 章：医学心脏视频数据集分割建模实战
课时43：数据集与任务概述 07:26
课时44：项目基本配置参数 06:21
课时45：任务流程解读 08:14
课时46：文献报告分析 09:00
课时47：补充：视频数据源特征处理方法概述 09:57
课时48：补充：R(2plus1)D处理方法分析 06:16
第9 章：物体检测框架-MaskRcnn项目介绍与配置
课时49：Mask-Rcnn开源项目简介 08:55
课时50：开源项目数据集 05:39
课时51：参数配置 12:06
第10 章： MaskRcnn网络框架源码详解
课时52：FPN层特征提取原理解读 13:17
课时53：FPN网络架构实现解读 11:57
课时54：生成框比例设置 07:34
课时55：基于不同尺度特征图生成所有框 08:24
课时56：RPN层的作用与实现解读 09:31
课时57：候选框过滤方法 05:45
课时58：Proposal层实现方法 08:15
课时59：DetectionTarget层的作用 07:52
课时60：正负样本选择与标签定义 05:33
课时61：RoiPooling层的作用与目的 09:55
课时62：RorAlign操作的效果 07:21
课时63：整体框架回顾 09:14
第11 章：基于MASK-RCNN框架训练自己的数据与任务
课时64：Labelme工具安装 04:09
课时65：使用labelme进行数据与标签标注 09:03
课时66：完成训练数据准备工作 09:18
课时67：maskrcnn源码修改方法 10:46
课时68：基于标注数据训练所需任务 07:10
课时69：测试与展示模块 06:24
第12 章：更新补充-PyTorch框架基本处理操作
课时70：PyTorch实战课程简介 04:53
课时71：PyTorch框架发展趋势简介 08:25
课时72：框架安装方法（CPU与GPU版本） 05:13
课时73：PyTorch基本操作简介 09:25
课时74：自动求导机制 10:59
课时75：线性回归DEMO-数据与参数配置 08:56
课时76：线性回归DEMO-训练回归模型 10:08
课时77：常见tensor格式 07:10
课时78：Hub模块简介 08:25
第13 章：更新补充-PyTorch-图像识别核心模块实战解读
课时79：卷积网络参数定义 07:21
课时80：网络流程解读 07:26
课时81：Vision模块功能解读 05:10
课时82：分类任务数据集定义与配置 06:27
课时83：图像增强的作用 04:51
课时84：数据预处理与数据增强模块 09:25
课时85：Batch数据制作 08:37
第14 章：更新补充-PyTorch-迁移学习的作用与应用实例
课时86：迁移学习的目标 05:31
课时87：迁移学习策略 07:11
课时88：加载训练好的网络模型 09:54
课时89：优化器模块配置 05:14
课时90：实现训练模块 08:15
课时91：训练结果与模型保存 09:31
课时92：加载模型对测试数据进行预测 09:10
课时93：额外补充-Resnet论文解读 11:47
课时94：额外补充-Resnet网络架构解读 08:26
第15 章：更新补充-Resnet模型及其应用实例
课时95：医学疾病数据集介绍 04:20
课时96：Resnet网络架构原理分析 09:53
课时97：dataloader加载数据集 11:17
课时98：Resnet网络前向传播 06:19
课时99：残差网络的shortcut操作 09:27
课时100：特征图升维与降采样操作 06:10
课时101：网络整体流程与训练演示 11:27

图像分割实战

相关课程

授课教师

最新学员

学员动态