- 博客(11)
- 收藏
- 关注
RSS订阅原创 OpenMMLab AI实战训练营-mmagic代码教学
MMagic (Multimodal Advanced, Generative, and Intelligent Creation) 是一个供专业人工智能研究人员和机器学习工程师去处理、编辑和生成图像与视频的开源 AIGC 工具箱。MMagic 允许研究人员和工程师使用最先进的预训练模型，并且可以轻松训练和开发新的定制模型。这次加载的模型有点大，在我的电脑上居然跑不起，心态小崩。无条件生成对抗网络 (GANs)条件生成对抗网络 (GANs)还有许多其他生成模型即将推出！还有许多其他应用程序即将推出！
2023-06-15 23:18:13
191
1
原创 OpenMMLab AI实战训练营-底层视觉与MMEditing
常见的实现方法包括双线性或双立方插值，这些方法可以在一定程度上增加图像的分辨率，但无法恢复图像的高频细节。通过对原始图像进行分辨率增高，可以减少图像文件的大小，节省传输带宽，同时保持图像的视觉质量。这些方法通过对原始图像进行像素插值来增加图像的分辨率，但由于缺乏对高频细节的恢复能力，无法准确重建图像的细节信息。综上所述，图像分辨率增高在多个领域具有广泛应用，可以改善图像质量、提升视觉体验，并为医疗、卫星影像等领域的研究和应用提供更精细的数据。通过增高图像分辨率，可以使游戏图像更加清晰、细腻，提升游戏体验。
2023-06-15 18:01:25
110
1
原创 OpenMMLab AI实战训练营day8MMsegmentation与图像分割
将图像按照物体的类别分割成不同的区域，即对每个像素进行分类。无人驾驶汽车（分割出行人，行车道等，辅助车辆对道路的情况进行识别与认知）；人像分割（实时替换视频的背景）；智能遥感（辅助农业生产，以及旱灾洪灾预测）；医疗影像分析；
2023-06-13 21:44:10
105
1
原创 OpenMMLab AI实战训练营day6MMDetection代码教程
1.Open-Vocabulary Object Detection：开放词汇目标检测，给定图片和类别词汇表，检测所有物体。2.Grounding Object Detection：给定图片和文本描述，预测文本中所提到的在图片中的物体位置。该方向的典型算法是GLIP，目前在MMDetection的dev-3.x中已经支持。由于目标检测的特殊性，实际上使用Grad Box AM进行可视化。若想要进行离线测试，则可以使用提供的test.py脚本。Grad-Based CAM可视化。
2023-06-09 22:43:50
166
原创 OpenMMLab AI实战训练营day6-目标检测与MMDetection
使用启发式算法替换暴力遍历用相对低计算量的方式粗筛出可能包含物体的位置，再使用卷积网络预测早期二阶段方法使用，依赖外部算法，系统实现复杂。︰模型认可自身预测结果的程度，通常需要为每个框预测一个置信度我们倾向认可置信度高的预测结果，例如有两个重复的预测结果，丢弃置信度低的。滑窗类算法通常会在物体周围给出多个相近的检测框这些框实际指向同一物体，只需要保留其中置信度最高的。考虑1000×600大小的图像，设定100×100的窗口，每滑动20像素分类一次。一个好的检测器应满足不重，不漏的要求。
2023-06-07 20:57:35
51
1
原创 OpenMMLab AI实战训练营day5-MMPreTrain代码课
本次课程主讲人盛入浅出的带我们训练了一个基于resnet18的分类猫狗的二分类分类器，并对训练好的模型进行测试评估，加载训练好的的模型进行推理。
2023-06-07 19:03:48
148
1
原创 OpenMMLab AI实战训练营day4-深度学习预训练和MMPreTrain
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，并支持了不同的预训练策略。MMPretrain源自MMClassification和 MMSelfSup，并开发了许多令人兴奋的新功能。目前，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，我们能够改进各种下游视觉任务。我们的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。MMPretrain含有丰富的模型，大量数据集支持，超多训练技巧与策略，以及其易用性。
2023-06-05 21:43:50
80
1
原创 OpenMMLab AI实战训练营day3-MMpose代码教程
MMPose 是一款基于 Pytorch 的姿态估计开源工具箱，是 OpenMMLab 项目的成员之一，包含了丰富的 2D 多人姿态估计、2D 手部姿态估计、2D 人脸关键点检测、133关键点全身人体姿态估计、动物关键点检测、服饰关键点检测等算法以及相关的组件和模块，下面是它的整体框架：MMPose 由 8 个主要部分组成，apis、structures、datasets、codecs、models、engine、evaluation 和 visualization。
2023-06-03 15:09:23
156
原创 OpenMMLab AI实战训练营day2-人体关键点检测与MMpose
姿态估计：从给定的图像中识别人脸，手部，身体等关键点输入：图像I输出：所有关键点的像素坐标(x1x_1x1y1y_1y1)(x2x_2x2y2y_2y2)(xJx_JxJyJy_JyJ)，这里J为关键点的总数，取决于具体的关键点模型。
2023-06-01 20:15:44
316
1
原创 OpenMMLab AI实战训练营day1
很早的时候就在复现论文的过程中了解过openmmlab了,一直想要学习这么优秀的开源框架，可是网上的资料大多数是1.0的，希望这次跟着ai训练营一起学习可以收获多多。我将把接下里近半个月的学习心得体会发布在csdn,大家一起加油。自豪兄，老熟人了我的第一次组会分享的yolo就是跟着自豪兄学习的，因为自豪兄是土木跨专业的，所以他的讲解很细节，不会很跳脱，很适合初学者入门学习。
2023-05-31 21:49:21
102
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人