人工智能深度学习系统班6期 07 图像分割实战
- 01 图像分割及其损失函数概述
- 01 语义分割与实例分割概述
- 02 分割任务中的目标函数定义
- 03 MIOU评估标准
- 02 卷积神经网络原理与参数解读
- 01 卷积神经网络应用领域
- 02 卷积的作用
- 03 卷积特征值计算方法
- 04 得到特征图表示
- 05 步长与卷积核大小对结果的影响
- 06 边缘填充方法
- 07 特征图尺寸计算与参数共享
- 08 池化层的作用
- 09 整体网络架构
- 10 VGG网络架构
- 11 残差网络Resnet
- 12 感受野的作用
- 03 Unet系列算法讲解
- 01 Unet网络编码与解码过程
- 02 网络计算流程
- 03 Unet升级版本改进
- 04 后续升级版本介绍
- 04 unet医学细胞分割实战
- 01 医学细胞数据集介绍与参数配置
- 02 数据增强工具
- 03 Debug模式演示网络计算流程
- 04 特征融合方法演示
- 05 迭代完成整个模型计算任务
- 06 模型效果验证
- 05 U2NET显著性检测实战
- 01 任务目标与网络整体介绍
- 02 显著性检测任务与目标概述
- 03 编码器模块解读
- 04 解码器输出结果
- 05 损失函数与应用效果
- 06 deeplab系列算法
- 01 deeplab分割算法概述
- 02 空洞卷积的作用
- 03 感受野的意义
- 04 SPP层的作用
- 05 ASPP特征融合策略
- 06 deeplabV3Plus版本网络架构
- 07 基于deeplabV3+版本进行VOC分割实战
- 01 PascalVoc数据集介绍
- 02 项目参数与数据集读取
- 03 网络前向传播流程
- 04 ASPP层特征融合
- 05 分割模型训练
- 08 医学心脏视频数据集分割建模实战
- 01 数据集与任务概述
- 02 项目基本配置参数
- 03 任务流程解读
- 04 文献报告分析
- 09 物体检测框架-MaskRcnn项目介绍与配置
- 01 Mask-Rcnn开源项目简介
- 02 开源项目数据集
- 03 开源项目数据集
- 10 MaskRcnn网络框架源码详解
- 01 FPN层特征提取原理解读
- 02 FPN网络架构实现解读
- 03 生成框比例设置
- 04 基于不同尺度特征图生成所有框
- 05 RPN层的作用与实现解读
- 06 候选框过滤方法
- 07 Proposal层实现方法
- 08 DetectionTarget层的作用
- 09 正负样本选择与标签定义
- 10 RoiPooling层的作用与目的
- 11 RorAlign操作的效果
- 12 整体框架回顾
- 11 基于MASK-RCNN框架训练自己的数据与任务
- 01 Labelme工具安装
- 02 使用labelme进行数据与标签标注
- 03 完成训练数据准备工作
- 04 maskrcnn源码修改方法
- 05 基于标注数据训练所需任务
- 06 测试与展示模块