课程介绍：
本课程是关于使用深度学习通过 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。
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 是广泛用于图像分割任务的神经网络之一。
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/ 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用于图像分割的数据集？
5/ 如何将图像和注释转换为 tfrecords 格式？
6/ 你如何使用 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）上设置项目
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/ 你如何使用你的 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，用于分割损坏汽车的不同部分（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使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。
您将学到什么：
您将了解计算机视觉中的图像分割
您将了解实例分割和语义分割之间的区别
您将了解 Mask RCNN 深度学习模型的工作原理
您将学习如何从头开始准备自定义数据集你的训练，
您将学习如何使用开源工具来注释数据集，
您将学习如何将您的图像和注释转换成tfrecord格式，
您将学习如何安装Tensorflow 2与GPU支持（Linux和Windows），
您将学习如何安装Tensorflow 2 对象检测 API（Linux 和 Windows）
您将学习如何在本地机器（Linux 和 Windows）上运行 Mask RCNN 模型的训练
您将学习如何创建谷歌云帐户
您将学习如何在谷歌云平台上设置项目
您将学习如何使用存储桶
将数据上传到谷歌存储您将学习如何在 google ai 上运行 Mask RCNN 模型的训练平台
您将学习如何在 google ai 平台上运行 Mask RCNN 模型的评估
您将学习如何从训练检查点导出您的 SavedModel（生产模型）
您将学习如何使用您的生产就绪 Mask RCNN 模型执行图像分割新图片
要求
基本了解Python（你应该知道什么是函数以及如何在Python中使用它们）
基本了解深度学习（你应该知道什么是神经网络以及什么是训练）
本课程适合谁
学生
DIY 制造者
AI 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
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English + srt | Duration: 49 lectures (4h 43m) | Size: 2.2 GB
Train and evaluate Mask RCNN instance segmentation model | Train locally and on google ai platform for custom datasets
训练和评估 Mask RCNN 实例分割模型 | 在本地和谷歌人工智能平台上训练自定义数据集
