文章探讨了计算机视觉的历史发展，从早期的模式识别到深度学习的兴起，特别是AlexNet和FastR-CNN在目标检测中的作用。OpenMMLab是一个基于PyTorch的平台，支持预训练模型和自定义问题解决，其丰富的资源对学习和研究计算机视觉有极大帮助。此外，还介绍了机器学习的基本类型：监督、无监督和强化学习。
计算机视觉，研究如何自动理解图像和视频中的内容。如图像识别、人脸检测、图像生成、风格迁移、视频理解与自动剪辑。
计算机视觉的发展
早期萌芽（1960~1980）
统计机器学习与模式识别（1990~2000）
ImageNet 大型数据库（~2010）
深度学习的时代（2012至今）：AlexNet 突破传统视觉系统性能，Fast R-CNN 目标检测走入深度学习时代，深度生成对抗网络实现图像生成。
二、OpenMMLab
1、环境配置https://drnj22rqza.feishu.cn/docx/EdsVdmk9SorUTfxQXYfcobffnrc
2、优点
基于pytorch开发，既可以调用预训练模型，又能解决自己的问题
其模型库和数据集直接可以作为了解该领域的学习路径 ，画好重点；
算法包含最前沿的顶会论文。
三、机器学习和神经网络
1、机器学习，计算机程序，是从数据中学习经验，以解决特定问题。
2、监督学习（有标签的）、无监督学习（无需数据本身的标注）、强化学习（让智能体自己适应环境）
87
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
