YOLACT++是一种先进的基于深度学习的实时实例分割方法，可对物体的每个实例进行像素级分割。

本课程将手把手地教大家使用labelme图像标注工具制作数据集，并使用PyTorch版的YOLACT++训练自己的数据集，从而能开展自己的图像和视频实时实例分割应用。

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YOLACT和YOLACT++网络的原理

本课程以RoadScene语义分割开展项目实践：对汽车行驶场景中的路坑、车、车道线进行物体标注和实时实例分割。

本课程使用Pytorch版本的YOLACT++，在Ubuntu系统上做项目演示。另外，课程也给出Windows上的环境安装方法。项目具体流程包括：安装PyTorch和YOLACT++、数据集标注、数据集格式转换、使用YOLACT++训练自己的数据集、测试训练出的网络模型。

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YOLACT++训练自己的数据集来进行图像和视频实时实例分割的方法。

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。