UNet（PyTorch）图像语义分割实战：训练自己的数据集

UNet是一种基于深度学习的图像语义分割方法，尤其在医学图像分割中表现优异。

本课程将手把手地教大家使用labelme图像标注工具制作自己的数据集，生成Mask图像，并使用PyTorch版UNet训练自己的数据集，从而能开展自己的图像分割应用。

本课程首先讲述图像分割的任务说明、常用数据集，然后介绍UNet网络的原理

本课程有两个项目实践：

(1) Kaggle盐体识别比赛 ：利用PyTorch版UNet进行Kaggle盐体识别

(2) Pothole语义分割：对汽车行驶场景中的路坑进行标注和PyTorch版UNet语义分割

本课程使用PyTorch版本的UNet，在Ubuntu系统上用Jupyter Notebook做项目演示。 包括：数据集标注、数据集格式转换和Mask图像生成、编写UNet程序文件、训练自己的数据集、测试训练出的网络模型、性能评估。项目代码也可在Windows上运行，课程提供Windows环境搭建方法。

本课程提供项目的数据集和Python程序代码。