DplusC的博客

第五课:第十课。

图像超分辨率:根据从低分辨率图像重构高分辨率图像在低像素的图像中，信息是非常少的，补足其中缺失的高频信息是非常困难的提高图像的分辨率高分图像符合低分图像的内容恢复图像的细节、产生真实的内容；双线性或双立方插值不能恢复图像的高频细节图像超分辨率的应用：经典游戏高清重制、动画高清重置、照片修复、节约传输高清图像的带宽、民生领域。

第一课：【OpenMMLab】OpenMMLab概述第二课：【OpenMMLab】人体姿态估计、关键点检测与MMPose第三课：【openMMLab】MMPose 代码教程第四课：【OpenMMLab】深度学习预训练与 MMPreTrain第五课: 【OpenMMLab】MMPretrain 代码教程第六课：【OpenMMLab】目标检测与MMDetection第七课：【OpenMMLab】MMDetection 代码第八课：【OpenMMLab】语义分割与MMSegmentationMMSe

任务：按照图像中每个像素的语义类别，将图像分割成不同的区域等价于：对图像中的每个像素进行分类。

目标检测任务即:给定图片，网络预测出所关注的所有物体边界框和类别。其是一个典型的多任务学习，既包括物体边界框学习还包括类别学习。MMDetection 是被广泛使用的测工具箱，包括了目标检测、实例分割、全景分割等多个通用检测方向，并支持了 75+ 个主流和前沿模型，为用户提供超过 440+ 个预训练模型，在学术研究和工业落地中拥有广泛应用。模块化设计MMDetection 将检测框架解成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的检测模型支持多种检测任务。

给定一张图像，用矩形框框出所有感兴趣的物体，同时给出每个矩形框中物体的类别。如下图，检测到图像中央的椅子并给出类别。

MMPretrain 是一个全新升级的预训练开源算法框架，旨在提供各种强大的预训练主干网络，并支持不同的预训练策略。MMPretrain 源自 MMClassification 和MMSelfSup，并开发了许多新功能。预训练阶段对于视觉识别至关重要，凭借丰富而强大的预训练模型，能够用于改进各种下游视觉任务。代码库旨在成为一个易于使用和用户友好的代码库，并简化学术研究活动和工程任务。

本次博客将带大家进行关键点检测实战，体验关键点检测的全流程

OpenMMLab概述为大家介绍了通用视觉框架 OpenMMLab 中具有代表性的算法库，如MMPretrain、MMDetecton、MMDetection3D、MMRotate、MMSegmentation、MMPose、MMAction2、MMOCR、MMagic、MMYOLO等。本篇博客将深入了解人体姿态估计（或关键点检测）算法，以及OpenMMLab 开源的用于关键点检测的算法库 MMPose。

OpenMMLab 诞生于2018年，是一个由中国开发者主导的人工智能计算机视觉开源算法体系。每个计算机视觉任务都有相应的OpenMMLab在Github上开源。OpenMMLab 已经累计开源了超过30个算法库，大量的预训练模型，涵盖了图像识别分类，目标检测，语义分割，姿态估计等等各种计算机视觉任务。而且这些算法库都在Github上免费开源，可以直接下载所有的源代码和预训练文件。