通用视觉框架OpenMMLab
非常开心参与了这一次关于OpenMMLab公开课程的学习,本次课程由张老师进行详细地讲解,覆盖了从计算机视觉的发展历程到OpenMMLab开源框架的介绍等内容。
OpenMMLab部署框架
首先,介绍了OpenMMLab框架的整体部署结构信息,里面涵盖了主要的计算机视觉任务(图像分类/2D、3D目标检测、图像分割等)的算法库,可以解决目前主流的计算机视觉任务,实用价值较高。
上图更加详细地介绍了OpenMMLab框架,并且可以将这些算法通过MMDeploy搭载到各个硬件平台上,比如部署到手机上、苹果电脑上等。
计算机视觉算法应用案例
OpenMMLab的算法库第一个应用案例可以实现行人过马路的多目标检测、更细腻度的实例分割区分每个人物个体以及难度更大的全景分割,不仅分割人物个体还区分了背景马路、桥梁等。
OpenMMLab的算法库第二个应用案例可以实现图像的分类,还详细介绍了图像分类模型的发展历程,由2014年提出的vgg模型到2021年sota模型swin-Transformer。
OpenMMLab的算法库第三个应用案例是图像的分割,应用场景列举了无人驾驶汽车、遥感、医疗影像分析等。对于图像分割,OpenMMLab的算法库包括了420个以上的预训练模型,方便更好地运用。
OpenMMLab的算法库第四个应用案例是2D、3D人体姿态建立以及人体关键点检测,并且通过播放视频展示了一个手部的关键点捕捉。
OpenMMLab的算法库第三个应用案例是可以实现图像的修复,将残缺的图像进行复原,同时也可以图像的超分辨率生成等内容。
OpenMMLab的特点
OpenMMLab是一个开放的体系,具有多元的生态项目合作,实现了产学研一体化过程,可以在GitHub上找到github.com/open-mmlab/mmdetection
介绍机器学习
介绍交叉熵
采用最大似然函数的交叉熵定义。
介绍pytorch
介绍了pytorch的安装以及torch库的简要组成内容。
最后还热心的推荐了当前热门的研究方向
今天的学习内容比较丰富,期待下一次的学习!(ps:打卡完成了!)