Mask RCNN是一种基于深度学习的图像实例分割方法，可对物体进行目标检测和像素级分割。

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，并使用PyTorch版本的Mask RCNN（Facebook 官方Detectron2）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、性能指标，然后介绍Mask RCNN网络的原理

本课程的具体项目实战案例是：对汽车行驶场景中的路坑、车、车道线等多类物体进行检测和分割 。

本课程在Ubuntu系统上进行项目全过程的演示。 具体包括：安装PyTorch环境、安装Detectron2并进行安装测试、使用labelme标注软件进行自己数据集的标注、数据集格式转换、训练自己的数据集、测试训练出的网络模型以及性能评估。

学习本课程可掌握图像分割的标注方法、数据集格式转换方法、以及使用Detectron2中的Mask RCNN训练自己的数据集来进行图像和视频实例分割的方法。

本课程提供项目标注好的数据集和项目相关的Python程序文件。