Deep Learning with PyTorch : Image Segmentation
21 个评分
提供方
1,668 人已注册
在此免费指导项目中，您将：
Use U-Net architecture for segmentation
Create train function and evaluator for training loop
在面试中展现此实践经验
2 hours
中级
无需下载
分屏视频
英语（English）
仅限桌面
In this 2-hour project-based course, you will be able to : - Understand the Segmentation Dataset and you will write a custom dataset class for Image-mask dataset. Additionally, you will apply segmentation augmentation to augment images as well as its masks. For image-mask augmentation you will use albumentation library. You will plot the image-Mask pair. - Load a pretrained state of the art convolutional neural network for segmentation problem(for e.g, Unet) using segmentation model pytorch library. - Create train function and evaluator function which will helpful to write training loop. Moreover, you will use training loop to train the model.
必备条件
Prior programming experience in Python and basic pytorch. Theoretical knowledge of Convolutional Neural Network and Training process (Optimization)
您要培养的技能
Mathematical Optimization
Convolutional Neural Network
Autoencoder
Python Programming
pytorch
分步进行学习
在与您的工作区一起在分屏中播放的视频中，您的授课教师将指导您完成每个步骤：
Set up colab runtime environment
Setup Configurations
Augmentations
Custom Dataset
Load Dataset into batches
Create Segmentation Model
Create Train and Eval Function
Train Model
Inference
指导项目工作原理
您的工作空间就是浏览器中的云桌面，无需下载
在分屏视频中，您的授课教师会为您提供分步指导
审阅
4.2
常见问题
由于您的工作空间包含适合笔记本电脑或台式计算机使用的云桌面，因此指导项目不在移动设备上提供。
指导项目授课教师是特定领域的专家，他们在项目的技能、工具或领域方面经验丰富，并且热衷于分享自己的知识以影响全球数百万的学生。
您可以从指导项目中下载并保留您创建的任何文件。为此，您可以在访问云桌面时使用‘文件浏览器’功能。
您可在页面顶部点按此指导项目的经验级别，查看任何知识先决条件。对于指导项目的每个级别，您的授课教师会逐步为您提供指导。
是，您可以在浏览器的云桌面中获得完成指导项目所需的一切。
您可以直接在浏览器中于分屏环境下完成任务，以此从做中学。在屏幕的左侧，您将在工作空间中完成任务。在屏幕的右侧，您将看到有授课教师逐步指导您完成项目。
还有其他问题吗？请访问 学生帮助中心。
Coursera Footer
© 2022 Coursera Inc.保留所有权利。
