OpenMMLab AI训练营

最新推荐文章于 2024-10-02 00:23:27 发布
最新推荐文章于 2024-10-02 00:23:27 发布
阅读量71 收藏
点赞数
文章标签： 人工智能 深度学习 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aso538/article/details/128845434
版权

计算机视觉相关任务：分类、分割、目标检测、风格迁移、虚拟人像、内容理解等。
关于这些任务，openmmlab均有其相关的成熟算法库，mmcls、mmdet、mmseg等等。
自2012年Alexnet开始，计算机视觉已全面进入深度学习时代。从手工特征到机器自主学习特征表达。

大熊SsSsSs
关注
【OpenMMLab AI训练营第二期】Class6:目标检测与MMDetection
lostcorner的博客
06-10 167
目标检测是在给定的图片中用矩形框框出所有感兴趣物体同时预测物体类别的过程。图像分类和目标检测的异同目标检测在生活中有非常广泛的应用，例如人脸识别、智慧城市、自动驾驶等。也可作为其他下游视觉任务的基础，例如OCR、姿态识别等等。
OpenMMlab AI实战营第一期培训
weixin_52836217的博客
03-21 741
OpenMMlab AI实战营培训笔记，内容包括了计算机视觉领域常见的：图像分类，目标检测，语义分割的知识。
OpenMMlab AI实战营第四期培训
weixin_52836217的博客
03-05 986
本篇主要讲述了计算机视觉领域的一个重要问题——目标检测，从定义开始，跟随时间线的技术发展，具体阐述了两阶段、单阶段以及基于transformer的目标检测模型。
【OpenMMLab AI训练营第二期】Class2: MMPose
lostcorner的博客
06-02 176
是从图像中识别人脸、手部、身体等关键点。其过程为输入图像III，然后用xy(x,y)xy来表示所有关键点的像素坐标，其总数为JJJ。通过这种方法，可以得到以下图像的关键点。也可以把这个任务拓展到三维空间中，得到三维空间中人体的姿态。更进一步的话可以在图像或者视频中恢复出运动的3D人体模型。
AI 实战训练营（Class 1）OpenMMLab 概述
qq_42866033的博客
06-02 457
OpenMMLab诞生于2018年，是一个由中国开发者主导，有国际影响力的人工智能·计算机视觉开源算法体系。OpenMMLab累计开源超过30个算法库、2400个预训练模型，涵盖图像识别分类、目 标检测、图像分割、姿态估计、视频理解、OCR、3D目标检测、3D人体姿态估计、模 型轻量化、自监督、少样本、光流、预训练、多模态、AIGC、推理部署等等计算机 视觉任务，在Github上累计获得十万颗star，超过了Pytorch。
OpenMMLab AI训练营第一节课记录
zljzljq的博客
06-01 404
1.OpenMMLab概述先来段官方介绍：OpenMMLab 浦视 | 是上海人工智能实验室的计算机视觉算法开源体系 OpenMMLab是深度学习时代全球领域最全面、最具影响力的视觉算法开源项目，全球最大最全的开源计算机视觉算法库，为学术和产业界提供一个可跨方向、结构精良、易复现的统一算法工具库。OpenMMLab 已经累计开源了超过 30 个算法库，涵盖分类、检测、分割、视频理解等众多研究领域，拥有超过 300 种算法、2,400 多个预训练模型。
【OpenMMLab AI实战训练营 学习笔记DAY（五）-- MMDetection 框架介绍及代码讲解】
LL_RF的博客
02-08 407
MMDetection是商汤和香港中文大学针对目标检测任务推出的一个开源项目，其基于Pytorch实现了大量的目标检测算法，并将其模块化，可以很方便的调库使用。
【OpenMMLab AI训练营第二期】Class7:MMDetection代码课
lostcorner的博客
06-13 378
自定义数据集中最重要的是 metainfo 字段，用户在配置完成后要记得将其传给 dataset，否则不生效(有些用户在自定义数据集时候喜欢去 直接修改 coco.py 源码，这个是强烈不推荐的做法，正确做法是配置 metainfo 并传给 dataset)这一层是空白的原因是，因为cat是大物体，而这一层是训练小目标的，所以没有对猫进行训练，所以梯度为0。对上面的cat的图片进行可视化分析，但是这张图片分辨率太大，会导致程序崩溃，所以先进行缩放处理。这是通过马赛克数据增强后的可视化结果。
OpenMMLab AI实战营笔记1
qq_42815746的博客
06-02 295
OpenMMLab
OpenMMLab AI 实战训练营笔记 05
Franco_Rong的博客
02-09 137
这里我使用软连接进行环境配置如果是使用mmdet 3.x版本，则需要依次配置MMengine，配置步骤如上MMCV所示。参考：https://zhuanlan.zhihu.com/p/580885852。
OpenMMLab AI 实战训练营 CLASS5 MMDetection教学
m0_74046692的博客
02-08 82
在 OpenMMLab 项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练 过程。− 训练策略 梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等。− 数据集 用什么数据训练模型：数据集划分、数据文件路径、数据增强策略等等。− 一些辅助功能 如打印日志、定时保存checkpoint等等。− optimizer、lr_config 等字段定义训练策略。− load_from 字段定义与训练模型的参数文件。− 模型结构 模型有几层、每层多少通道数等等。
OpenMMLab 训练营第二期 笔记二
erhehe2的博客
06-02 259
从给定的图像中识别人脸、手部、身体等关键点。1输入：图像输出：所有关键点的像素坐标 (x1,y1),(x2,y2)…(xJ,yJ), 这 J 为关键点的总数，取决于具体的关键点模型。例如人脸68关键点，手势21关键点，人体18关键点。这是一个很难的模式识别问题，要去追踪这些不断变化的点。
OpenMMLab AI实战训练营图像分类与基础视觉模型
m0_74046692的博客
02-03 161
的数据，面对图像分类这种图像数据在几十万维的空间中以复杂的方式"缠绕"在一起的任务，传统的常规机器学习就显得难以为继。图像分类问题解决：构建一个可计算实现的函数 𝐹: ℝ𝐻×𝑊×3 → {1, …,𝐾}，且预测结果符合人类认知。先对类别进行编号：香蕉→1，苹果→2，橘子→3 等等，得到类别 𝑦 ∈ {1, …,𝐾}，𝐾 为类别总数。，难以遵循具体的规则来人为设计算法。机器学习算法善于处理。
AI实战营第一期——浦视开源算法体系OpenMMLab简介
m0_62777538的博客
06-01 438
OpenMMLab诞生于2018年，是由中国开发者主导，具有国际影响力的人工智能计算机视觉开源算法体系，在2022年的世界人工智能大会上，OpenMMLab正式发布2.0版本。OpenMMLab已经累计开源了超过30+个算法库，有2400+个预训练模型（开箱即用），涵盖图像识别分类、目标检测、图像分割、姿态估计、视频理解、OCR光符识别、3D目标检测、3D人体姿态估计、模型轻量化、自监督学习、少样本学习、光流估计，预训练+多模态、AIGC……几乎涵盖各类的计算机视觉任务，可以说是一个非常丰富的工具箱。
【七班】人体姿态估计概论笔记【OpenMMLab AI实战营第二期Day2】
chenghong1的专栏
06-02 221
【课程说明】人体姿态估计（Human Pose Estimation）是计算机理解人类动作、行为必不可少的一步，本次课程涵盖人体姿态估计的介绍与应用、2D 姿态估计、3D 姿态估计、DensePose、Body Mesh 以及 MMPose 等内容。【讲师介绍】卢策吾 上海交通大学电院计算机系教授、博士生导师。【课程地址】【ToDo】本课作为概论性质的介绍，内容挺多，因此打算再分为两到三次笔记进行学习和总结，敬请期待！0. 人体姿态估计的介绍与应用什么是姿态估计？
扩散模型（2）--1
m0_63860007的博客
09-29 844
生成模型通过学习并建模输入数据的分布，从而采集生成新的样木，该模型广泛运用于图片视频生成、文本生成和药物分子生成。扩散模型是一类概率生成模型，扩散模型通过向数据中逐步。
[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors
m0_52911108的博客
09-27 1358
本文提出了AI-Guardian框架，本质是让模型预测结果受到后门控制，而很难被攻击者操纵，从而抵御对抗攻击。在模型训练阶段，AI-Guardian会针对原始训练样本生成一批后门样本（经过后门处理的样本），按标签双射关系为后门样本分配对应标签，实现后门注入；在模型预测阶段，AI-Guardian先对输入数据进行后门处理，然后将其输入到模型，根据模型输出结果、标签双射关系返回对输入数据真实标签的预测结果。
Linux嵌入式有发展吗，以及对uboot，kernel，rootfs的领悟
rjszcb的博客
09-30 678
上一份工作是2022,11—2023，11年底，汽车公司，底层修修改改，编译镜像，修改后，客户给东西，重新编译给他，客制化配置启动参数，环境，支持应用部门，不懂怎么使用某些驱动。uboot到底是干嘛的，想想，emmc的镜像文件是怎么被读到ddr的，emmc为啥可以被分区，烧录镜像，tftp网络命令为啥可以运行，启动设备时，为啥lcd可以看到图像，kernel还没启动，怎么出图像的。不管做应用开发，驱动开发也好，知道，系统原理，驱动框架，进程管理调度，内核竞争，信号，中断，锁，这些就够了。
大模型~合集5
最新发布
whaosoft~aiotの开发板商城
10-02 990
FLock 的机制设计受到了证明权益（PoS）区块链共识机制和桌面游戏《The Resistance》（一种角色扮演类游戏，该游戏的一个变种叫阿瓦隆）的启发。《The Resistance》游戏则通过投票机制，每轮游戏中玩家独立推理并投票，从而实现全局共识。《The Resistance》有两个不匹配的竞争方，其中较大的一方被称为抵抗力量，另一方被称为间谍。在《The Resistance》中，有一个投票机制，在每一轮中，每个玩家进行独立推理并为一个玩家投票，得票最多的玩家将被视为「间谍」并被踢出游戏。
OpenMMLab与计算机视觉基础：AI实战营Day1精华
"本次课程是AI基础实战营的第一天，主要介绍了计算机视觉的基本概念和OpenMMLab开源算法体系。由同济大学的张子豪主讲，内容涵盖了从计算机视觉的基本问题，如图像识别、人脸识别，到更高级的应用如图像生成、风格...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值