OpenMMLab实战营第一课：计算机视觉简介

一、计算机视觉简介

计算机视觉主要关于让计算机学会“看”，理解图像、视频中的内容

主要分类有：

• 图像识别：识别图像中的物体是什么
• 目标检测：
• 图像分割：

主要应用：
人脸识别、视觉感知、图像生成、风格迁移、视频理解与自动转移

二、计算机视觉的发展

1. 早起萌芽（1960~1980）
   

2. 统计机器学习与模式识别 (1990~2000）
   特征工程技术发展：小波特征、局部二进制（Local Binary Pattern）、比例不变特征变换（Scale Invariant Feature Transform）、定向梯度直方图（Histogram of Oriented Gradients）
   大型数据库发展 ImageNet
   

3. 初有成效的视觉系统 (~2010)
   

4. 深度学习的时代 (2012~)
   
   AlexNet提出突破传统视觉系统性能
   Fast R-CNN使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

5. 当今发展
   

三、Openmmlab简介

随着深度学习、计算机视觉等学科的发展，各大研究机构和公司陆续开源自己的深度学习框架，
论文发表同时开源代码也成了行业内的习惯和共识。
统一的深度学习框架开始逐渐向统一的算法框架过渡，如Openmmlab算法框架（MMDetection、MMSeg等）

发展历程

MMDetection介绍

MMDetection3D

MMClassification介绍

Openmmlab2.0架构

• 通用：强大的训练器
  

• 统一：模块抽象
  

• 统一：训练流程
  

• 统一：数据接口
  

三、机器学习基础

1. 机器学习是什么？
   从数据中学习经验，以解决特定问题
   

2. 为什么让“机器”去“学习”
   大规模数据很难用人力解决、速度要求、稳定性要求等

3. 典型范式

• 监督学习
• 无监督学习
• 强化学习
  

4. 机器学习常见步骤
   

5. 典型例子-垃圾邮件分类
   
   （1）二分类问题，尝试构建线性分类器。
   线性分类器假设类别和特征之间存在某种线性关系，即不同类的数据在特征空间中可以被一条线分开
   
   （2）构建线性分类器的关键：如何求解分界面
   
   感知器算法：
   

四、神经网络

1. 简介

一种拟合能力非常强的函数，可以适应线性、非线性拟合

• 神经元
  
• 多层感知机
  

2. 训练

问题：如何衡量神经网络的性能？怎样调参？
（1）衡量神经网络的性能：损失函数
分类问题常用损失函数：交叉熵损失函数


（2）如何使得神经网络训练过程中损失越来越小？
即找到一个算法调整网络参数使得神经网络的性能最好
优化方法：梯度下降算法等

关键点：

• 如何计算梯度？
  反向传播算法
  

• 如何让梯度下降？
  

• 改进：优化器
  执行梯度下降时经常遇到一些问题，如陷入局部最小值等，需要使用优化器进行改进
  

• 基于梯度下降训练神经网络的整体流程
  

• 常见问题
  
  防止过拟合的方法之一：早停
  

3. 常见神经网络介绍

• 卷积神经网络
  
  

五、Pytorch

环境配置https://pytorch.org/get-started/locally/

资料：
深入浅出PyTorch
OpenMMLab官网