本课程是关于使用深度学习 使用 Tensorflow 2 执行图像分割。它将向您展示如何在计算机视觉中构建强大的深度学习驱动的图像分割任务的分步指南。

课程英文名：Deep learning for image segmentation using Tensorflow 2

此视频教程共17.0小时，中英双语字幕，画质清晰无水印，源码附件全

下载地址

课程编号：139
百度网盘地址：https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku
夸克网盘(不限速)地址：https://pan.quark.cn/s/ac8226352700

课程内容

本课程将向您展示如何使用 Mask RCNN 深度学习模型来执行图像分割。Mask RCNN 是用于图像分割任务的广泛使用的神经网络之一。

本课程将帮助您回答以下问题：

1/ 什么是图像分割？

2/ 计算机视觉中有哪些不同类型的分割？

3/ 你如何准备自定义数据集来训练 Mask RCNN 模型？

4/ 使用哪些工具来注释数据集以进行图像分割？

5/ 您如何将图像和注释转换为 tfrecords 格式？

6/ 如何使用 Tensorflow 2 对象检测 API 来 训练 Mask RCNN 模型？

7/ 你如何使用 Tensorflow 2 对象检测 API 来 评估 Mask RCNN 模型？

8/ 如何在本地机器上运行 Mask RCNN 模型的训练？

9/ 如何在谷歌云平台（GCP）上创建账户

10/ 如何在谷歌云平台（GCP）上建立项目

11/ 如何在google ai平台上运行Mask RCNN模型的训练？

12/ 如何从训练检查点导出 SavedModel？

13/ 你如何使用 SavedModel 对新图像进行图像分割？

14/ 如何使用 Mask RCNN 构建强大的图像分割模型，用于分割受损汽车的不同部分（车门、引擎盖、灯……）。顺便说一下课程项目！ 

还有更多！

我在本课程中的策略是让您能够为计算机视觉中的图像分割构建强大的 AI 解决方案。

本课程适用于：

• 学生
• DIY制造商
• 人工智能爱好者
• 机器学习爱好者
• 机器学习工程师
• 计算机视觉爱好者
• 计算机视觉工程师
• 数据科学家