自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 OpenMMLab-11-MMagic 代码教学

MMagic支持的算法库MMagic是生成模型、底层视觉、AIGC多模态的算法库,支持各种应用,包括: 图文生成、图像翻译、3D 生成、图像超分辨率、视频超分辨率、视频插帧、图像补全、图像抠图、图像修复、图像上色、图像生成。

2023-06-17 15:25:16 242

原创 OpenMMLab-9-MMSegmentation代码课

仓库地址:https://github.com/TommyZihao/MMSegmentation_Tutorials/tree/main/20230612。基于jupyter-notebook,学习MMSegmentation怎么用。

2023-06-17 14:54:06 120

原创 OpenMMLab-10-底层视觉与MMEditing

对抗生成网络是一种基于神经网络的无监督学习模型,可以建模数据的分布,并通过采样生成新数据。用神经网络表示数据分布如何学习生成器网络对抗训练GAN的优化目标利用多帧进行超分。视频复原的典型流程EDVR适用于多种视频超分任务。为了处理快速而复杂的运动。

2023-06-17 14:31:08 111

原创 OpenMMLab-8-语义分割与MMSegmentation

基本思路: 滑窗预测恢复网络中的降采样恢复预测图的细节利用上下文信息。

2023-06-13 10:31:07 111

原创 OpenMMLab-7-MMDetection代码课

官方演示文档:https://github.com/open-mmlab/mmdetection/blob/tutorials/demo/MMDet_Tutorial.ipynb。

2023-06-13 08:39:33 124

原创 OpenMMLab-6-目标检测与MMDectection

语义信息的理解依赖于高层次的特征提取,例如,深度学习中的卷积神经网络(Convolutional Neural Networks,CNN)就可以从输入的图像中自动提取并学习到高层次的语义特征。这些概念都是从图像内容中提取出来的,用于描述图像的语义,即图像所表达的意义或信息。总结一下,低层次特征通常对应于图像的简单和直观的属性,而高层次特征则对应于图像的复杂和抽象的属性,需要更多的理解和推理。在计算机视觉领域,"语义信息"通常指的是与图像内容相关的信息,更准确地说,是与图像所表达的意义或概念相关的信息。

2023-06-11 23:11:02 108

原创 OpenMMLab-5-MMPretrain代码课

安装openmim,这是一个用于安装Openmmlab各种算法库的命令行工具。同时它还有很多和深度学习相关的辅助功能。基于MMpretrain在一个新的分类数据集上resnet18的微调训练。新建分类猫狗的配置文件:‘resnet18_finetune.py’安装完成之后我们可以调用mmpretrain中的模型进行推理。图像分类,多模态中的图像描述功能。

2023-06-11 17:11:15 283

原创 OpenMMLab-4-深度学习预训练与MMPretrain

在深度学习和自然语言处理(NLP)中,"token"一词通常指的是将输入文本分割成的更小的单元。Token可以是单词、子词或者字符,具体的选择取决于所使用的分词(tokenization)策略。比如,如果你使用空格和标点符号来分割英文文本,那么每个单词和标点符号都是一个token。例如,句子 “I love AI.” 会被分割成三个单词tokens “I”、“love” 和 “AI”,以及一个标点符号token “.”。

2023-06-06 21:33:10 203

原创 openmmlab-3-MMPose和RTMPose

原因在于这些算法都太慢了。更何况,很多应用本身就对算法实时性有着极高的要求。RTMPose: 考虑到近年来前沿姿态估计算法不断迭代,在公开数据集上的性能屡创新高,但是在工业界的实际业务中,主流应用的依然是几年前的算法,这些SOTA的算法无法在工业上使用;自底向上(bottom-up):检测出图像中所有潜在的关键点,然后对所有的关键点进行分类,将属于同一客观物体的关键点分配给同一物体;自顶向下(top-down):先用目标检测算法从图像中将待检测物体识别出来,给出检测框,然后对检测框运行检测关键点检测算法;

2023-06-05 14:43:02 322

原创 OpenMMLab-2-人体姿态估计、关键点检测与MMPose

给定一张图片,任务要求检测图像中人脸、手部、身体等部位的关键点。输入: 图像 I输出:所有关键点的像素坐标(x1,y1)…(xJ, yJ),这里的J为关键点的总数,取决于具体的关键点检测任务和模型。关键点检测可以预测人体关键点在三维空间中的坐标( x , y , z ),进而在三维空间中还原人的姿态。

2023-06-03 20:46:17 295

原创 Openmmlab-1

与深度学习框架不同,openmmlab是一个开源算法体系。Transformer 库是nlp中类似mmlab的算法框架。MMyolo:单阶段目标检测算法。工作人员是用统一的框架、超参数复现的。最火的算法库:目标检测算法库:MMdetection。图像分割算法库 Mmsegmentation 单分类、多分类。图像分类+预训练+多模态算法库 MMPretrain。生成模型+底层视觉+AIGC算法库 Mmagic。3D目标检测算法库 MMdetection3D。旋转目标检测算法库 Mmrotate。

2023-06-01 21:48:06 74 2

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

提示
确定要删除当前文章?
取消 删除