OpenMMLab训练营-1

已于 2023-06-01 13:19:19 修改
阅读量27 收藏
点赞数
文章标签： 深度学习 人工智能
于 2023-06-01 13:14:50 首次发布
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/prospeccta/article/details/130986082
版权
MMLAB是一个基于PyTorch底层开发的开源框架，专注于一致性实现的算法库，涵盖了多种算法，适用于医学图像处理领域的数据训练和测试。该框架便于用户快速上手并进行自定义改进，旨在加速科研成果向工业应用的转化。
摘要由CSDN通过智能技术生成

基于pytorch底层开发的一个开源框架

 基于一致性实现的算法库，包含了大量的算法实现，可以直接用来训练和测试自己的数据集，同时在统一的框架下便于改进和和修改。实现科研的产出和工业的落地

这次 学习的目的就是快速学习和上手MMLAB的框架，为自己的数据和算法开发做准备。医学图像处理方向

prospeccta
关注
OpenMMLab 训练营第二期 笔记三
erhehe2的博客
06-03 185
我的电脑是 Windows 系统，安装了 miniconda。不同项目需要不同的版本，使用 conda 可以很容易管理。首先来创建 RTMPose 的环境。
OpenMMLab 训练营-个人笔记记录20230201
qq_43004662的博客
02-02 188
OpenMMLab AI训练营-个人笔记记录20230201
openmmlab训练营-关键点检测理论部分
weixin_42681061的博客
06-05 160
主要任务目标为计算图片中人体的2d关键点坐标；其中热力图到关键点的生成可以采用argmax或者求期望得到，但是取极大值不可导，而求期望可以求导，可以设计为端到端输出的形式；
OpenMMLab 实战营打卡 - 第 一 课 计算机视觉算法基础与OpenMMLab介绍
qq_53589322的博客
02-02 1131
OpenMMLab AI实战营学习笔记（一）
OpenMMLab 实战营打卡 - 第 5 课
Yancy的篝火
02-08 218
Openmmlab基础课训练营课程笔记
OpenMMLab实战营打卡-第1课
Nothing
02-02 201
计算机视觉与OpenMMLab开源算法体系-Lesson1
OpenMMLab 实战营打卡 - 第 4 课
gezongbo的博客
02-07 298
OpenMMLab 目标检测与MMDetection
OpenMMLab 实战营打卡 - 第 七 课 MMSegmentation
qq_53589322的博客
02-11 856
OpenMMLabAI实战营第7课！语义分割是目标检测和图像分类的进阶工作，它在像素级别给图像内容做标注，把图片中不同的物体分割开。本次课程7 MMSegmentation 代码教学_哔哩哔哩_bilibili会带大家学习语义分割工具箱 MMSegmentation！MMSegmentation 可以在 Linux、Windows 和 MacOS 上运行。它需要 Python 3.6 以上，CUDA 9.2 以上和 PyTorch 1.3 以上。
【OpenMMLab实战营打卡 - 第 1 课】CV基础和OpenMMLab介绍
m0_47062524的博客
02-01 272
传统计算机视觉的基本原理是设计卷积核，来找到图像的特征的过程。ImageNet是李飞飞教授启动的项目，为计算机视觉算法提供了一个庞大的、高质量的图片库。边缘提取是它的第一步（1964 Larry Roberts），三维提取（1982），人脸检测（2001），现在它们都是opencv的函数了。卷积神经网络是解决这两个问题而诞生的，卷积神经网络局部链接（每个卷积核只参与一部分图像），共享权重，大量节约参数，又有效提取了图像的特征。神经网络的训练流程：计算样本的损失，计算样本损失的梯度，根据梯度信息更新参数。
OpenMMLab 训练营第二期 笔记二
erhehe2的博客
06-02 251
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训练营1
weixin_48559155的博客
02-02 54
openmmlab训练营
【OpenMMLab实战营打卡 - 第 2 课】图像分类和基础视觉模型
m0_47062524的博客
02-03 148
神经结构搜索：让机器搜一些模型出来，接触强化学习等方法搜索最佳网络，是强化学习的逻辑，它的网络结构就没有人工设计的那么规整。神经结构搜索：让机器搜一些模型出来，接触强化学习等方法搜索最佳网络，是强化学习的逻辑，它的网络结构就没有人工设计的那么规整。数据增强：通过简单的变换产生一系列的副本，对训练数据集进行扩充，用更多样化的数据来训练泛化性好的模型，降低标注数据集的成本。数据增强：通过简单的变换产生一系列的副本，对训练数据集进行扩充，用更多样化的数据来训练泛化性好的模型，降低标注数据集的成本。
AI实战营第一期——浦视开源算法体系OpenMMLab简介
m0_62777538的博客
06-01 418
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。
TextCNN：文本卷积神经网络模型
weixin_45880844的博客
09-12 434
TextCNN（Text Convolutional Neural Network）是一种用于处理文本数据的卷积神经网（CNN）。通过在文本数据上应用卷积操作来提取局部特征，这些特征可以捕捉到文本中的局部模式，如n-gram（连续的n个单词或字符）。# 它继承自 PyTorch 的 nn.Module# __init__：类的构造函数，初始化模型，包括嵌入层、卷积层、dropout层和全连接层# 调用父类 nn.Module 的构造函数。
《深度学习》深度学习 框架、流程解析、动态展示及推导
最新发布
wx_AHao1004Y的博客
09-12 1376
深度学习是一种基于人工神经网络架构进行机器学习的技术方法。它模拟人类大脑的神经网络结构和工作原理，通过多层次的神经元网络，对大量的输入数据进行处理和分析，从而实现对数据的自动学习和抽象表示，进而实现对复杂问题的解决和预测。 深度学习的核心是深度神经网络，它由多个隐藏层组成，每个隐藏层包含多个神经元节点。每个神经元节点都与上一层和下一层的神经元节点相连，通过对这些节点之间的连接权重进行调整，使得网络能够对输入数据进行有效的学习和表示。
Datawhale X 李宏毅苹果书 AI夏令营 《深度学习详解》第六章 自注意力机制
Pluses的博客
09-11 686
Datawhale X 李宏毅苹果书 AI夏令营 《深度学习详解》第六章 自注意力机制
【人工智能学习笔记】4_3 深度学习基础之循环神经网络
RIKI_1
09-10 1302
是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network），循环神经网络具有短期记忆能力。
Datawhale X 李宏毅苹果书 AI夏令营 《深度学习详解》第四章 卷积神经网络
Pluses的博客
09-11 795
Datawhale X 李宏毅苹果书 AI夏令营 《深度学习详解》第四章 卷积神经网络
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 1
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