OpenMMLab课堂笔记（一）

分类任务:主要是介绍了计算机视觉在场景中的实际应用，以及对于物体的分类、检测、分割。

通过对物体的特征进行分类。

算法框架:MMDetection：目标检测、实例分割、全景分割(航拍)

                MMDetection3D: 航拍 路面检测

                MMClassification:根据图片物体特征进行分类，并判断准确率百分比

                MMSegmentation:无人驾驶 遥感 

                MMPose & MMHuman3D:人脸 动作捕获

                MMTracking:目标追踪

                MMAction2:行为识别 动作捕捉 

                MMOCR:文本检测 识别 文字信息提取

                MMEditing:图像修复 分辨率 图像生成

机器学习基本流程 :训练->验证->应用

        过拟合：数据模型过于复杂 数据量不足

        欠拟合：没有捕捉到模型规律 模型过于简单

        拟合：可以准确预测到未来的数据

卷积神经网络：

卷积层：边缘填充（padding）步长（stride）空洞（dilation）

池化层：下采样，最大池化（卷积特征最大值），平均池化（卷积特征【加和求平均】）

全连接层：拉平，合并输出

输出层：网络输出转化成概率值，每个类别的概率值