- 博客(11)
- 收藏
- 关注
RSS订阅原创 6.15openmmlabA实战训练营mmagic代码部分
又是由子豪兄讲解的mmagic部分的代码，子豪兄一贯的风格让我们可以直接运行写好的代码，看到训练和预测结果，非常nice，mmagic是关于底层视觉部分，图像超分，文生图，图生图，都非常的有意思，mmagic也有很多在线demo供大家直接使用，SAM出现之后，很多应用可以直接结合，希望可以根据代码加深了解。
2023-06-17 10:59:10
81
原创 6.13openmmlabAI实战训练营mmsegmentation代码教学
今天同样是由子豪兄带领我们学习的mmsegmentation的代码教程部分，子豪兄说的“我希望你们都能在大树下乘凉”真的类目，只要修改数据集，config配置文件，就能使用子豪兄写好的代码训练自己的语义分割模型，并用训练好的模型测试语义分割的结果。总之，子豪兄已经尽可能把学习代码的门槛降到最低，除了安装过程，其实后面只是修改一些小地方，这也是openmmlab的强大之处，希望后续能学会config配置文件的写法，毕竟这是最关键的部分！3.定义训练/测试pipeline。7.用自己训练的模型预测自己的图片。
2023-06-14 15:15:14
82
原创 6.12openmmlabA实战训练营mmsegmentation理论部分
今天学习了子豪兄讲解的mmsegmentation的理论部分的课程，之前在SAM发布的时候引起轰动，所以看了一下FCN的论文，但后续没有深入了解，今天在子豪兄的讲解下更加深度的了解了不同语义分割模型的细节，包括卷积复用、基于多层特征的上采样、上下文信息等等，子豪兄还简单介绍了最近的mmsegmentation已经复现好的新颖论文，包括了SegFormer、K-Net、MaskFormer、Mask2Former等，非常期待明天子豪兄的代码讲解！
2023-06-12 21:15:50
79
1
原创 6.8openmmlabAI实战训练营mmdetection代码教学
今天是mmdetection代码实战教学，老师从环境搭建到数据集可视化，训练，测试，预测demo，一直到可视化特征图进行了详细的讲解。想跟着教程的小伙伴建议使用云GPU环境，很多代码在本地没法运行，还要进行修改，比较麻烦。我认为最关键的两点是：1.使用新的数据集时需要修改配置文件里的很多信息。2.保证json文件是coco格式的，不然会报错。
2023-06-09 21:14:11
60
原创 openmmlabAI实战训练营6.7mmdetection理论部分
从时间上来说，最开始出现的方法是基于滑窗的：设置一个固定大小的擦虹口，遍历图像所有位置，所到之处用分类模型识别窗口中的内容，为了检测不同大小，不同形状的物体，可以使用不同大小、长宽比的窗口扫描图片。但这个真值在数据标注中并不存在，标注只标出了包含物体的框。匹配：对每个标注框，在特征图上找到与其最接近的位置，该位置的分类真值就设为对应物体的类别。改进2：基于层次化特征：基于主干网络的多级特征图产生预测结果，由于不同层特征图感受野大小不同，天然适合检测不同尺寸的物体，但是低层特征抽象级别不够，预测物体困难。
2023-06-08 21:03:33
44
原创 openmmlabAI实战营6.6mmpretrain代码讲解
今天是mmpretrain的代码讲解部分，第一遍听完有些云里雾里，主要是关于config配置文件部分的写法，它不同于pytorch一般的写法，比如模型结构部分：pytorch一般具体的写一个卷积层一个池化层一个resnet模块这样，但openmmlab的config文件没有实例化某个类，而是直接用一系列字典定义模型结构。这样的好处是便于后续的修改，这样在后续可以不修改配置文件的情况下修改各种属性，今天只是简单的看了一遍，没有详细跟着教程敲，希望明天可以配好环境跟着老师过一遍，加深印象。
2023-06-07 22:12:27
74
1
原创 openmmlabAI实战训练营6.5mmpretrain理论部分
3.训练优化：梯度下降算法，学习率参数，训练总轮次，学习率变化策略等。对于某种图片x，对它做数据增强产生x1和x2，x1和x2互为正样本，其他图片的数据增强结果都是x1和x2的负样本。mmpretrain提供了丰富的模型：主干模型（VGG,ResNet，DenseNet，MobileNet，Shufflenet，ViT,SwinTransformer），自监督学习（MoCo，SIMCLRU，BEiT,MAE），多模态学习（CLIP,BLIP,Flamingo，DFA）等等。仅根据自己的理解记录一下。
2023-06-05 21:16:34
109
1
原创 openmmlabAI实战营6.2mmpose实战讲解
今天看了子豪兄的三个mmpose实战视频，分别介绍了mmpose和mmdetection的安装，用mmdetection训练三角板目标检测模型，用mmpose的RTMPose训练三角板关键点检测模型。得到的.pth权重文件很大，其中包含了一些训练中的无关信息，去掉这些信息不会有精度损失。②下载目标检测模型的config配置文件权重文件，关键点检测的config配置文件权重文件。⑥子豪兄贴心的给没时间训练的小伙伴准备了训练好的权重文件可直接下载。⑦用训练好的模型对新的图像，视频进行预测。
2023-06-03 21:09:52
99
原创 openmmlabAI实战营6.1mmpose理论讲解
今天学习的是mmpose理论部分的知识，是由上海交大的卢策吾老师盛情讲解，卢老师深入浅出的讲解了人体姿态估计各个方面的概况，包括单人多人的姿态估计，2D3D的姿态估计方法，对传统论文和前沿方法都有所讲解。21年卢老师团队的RLE算法以回归的方式达到了热图方式的精度，但速度超过热图方式很多。我目前研究的主要是2D多人姿态估计，对3D了解甚少，经过卢老师的讲解也对3D姿态估计有了一定认识，希望在mmpose实战部分能收获更多！
2023-06-02 21:14:03
56
原创 OpenmmlabAI实战营开营笔记暨子豪兄概述课5.31
之前已经忘记在openmmlab的哪篇文章里看到实战营的学习活动，并且看到有mmpose的讲解课程，我目前也是研一在读，在做姿态估计相关的方向，实验室属于没人带放养的状态，一年下来没学到什么东西，之前师姐推荐过mmpose，上一周刚刚安装好mmpose的环境，这周就看到了实战营！非常兴奋，希望能在这是几天的学习中掌握如何使用好这个强大的开原算法库。今天从头到尾听完开营直播，感觉每个班的班长助教都是很厉害的人（子豪兄更不用多说了），希望在经过学习之后，能对自己有一个提升吧！
2023-05-31 21:37:52
82
1
空空如也
No module named 'mmpose.apis'
2023-04-15
TA创建的收藏夹 TA关注的收藏夹
TA关注的人