OpenMMLab简介

原创 已于 2023-06-01 13:53:06 修改 · 1.4k 阅读 · 5 ·
CC 4.0 BY-SA版权
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。
文章标签：

#深度学习 #人工智能

于 2023-06-01 13:43:27 首次发布
OpenMMLab项目提供了多个算法库，包括MMDetection（目标检测）、MMYOLO（加速版目标检测）、MMOCR（文本检测识别）、MMDetection3D（3D目标检测）、MMRotate（旋转目标检测）、MMSegmentation（图像分割）、MMPretrain（图像分类与预训练）、MMPose（姿态估计）、MMHuman3D（三维人体姿态估计）、MMAction2（视频动作识别）、MMTracking（目标追踪）、MMMagic（生成模型与AIGC）和MMDeploy（模型部署工具）。这些库覆盖了从图像处理到视频理解的多种任务，且包含丰富的模型和工具，便于研究和应用。

Github链接https://github.com/open-mmlab官网链接https://openmmlab.com

目录

目标检测算法库MMDetection

目标检测算法库MMYOLO

 文字检测识别算法库MMOCR

3D目标检测算法库MMDetection3D

旋转目标检测算法库MMRotate

图像分割算法库MMSegmentation

图像分类+预训练+多模态算法库MMPretrain

姿态估计算法库MMPose

三维人体姿态估计算法库MMHuman3D

视频动作识别算法库MMAction

目标追踪MMTracking

生成模型+底层视觉+AIGC算法库MMagic

模型部署工具箱MMDeploy

趣味应用游乐场Playground

算法库详解

目标检测算法库MMDetection

MMDetectionhttp://github.com/open-mmlab/mmdetection

MMDetection 支持了各种不同的检测任务，包括目标检测，实例分割，全景分割，以及半监督目标检测。可以按照自己需求做自己的数据集并使用现有的框架快速训练、推理。

 算法框架

Object Detection Instance Segmentation Panoptic Segmentation Other
最低0.47元/天 解锁文章
商汤科技 OpenMMLab (智能媒体实验室)
蒲建建
06-10 1万+
从2018年年中开始，香港中文大学多媒体实验室（MMLab）就启动了OpenMMLab（https://github.com/open-mmlab）计划。这项计划的初衷是为计算机视觉的一些重要方向建立统一而开放的代码库，并不断把新的算法沉淀其中。我们相信，这一项工作可以推动可复现算法生态的建立，也是对计算机视觉社区的重要贡献。 主要项目包括： 目标检测-mmdetection，OpenMMLab Detection Toolbox and Benchmark. 图像分割-mmsegmentati.
AI实战营第一期——浦视开源算法体系OpenMMLab简介
m0_62777538的博客
06-01 679
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。
OpenMMLab
weixin_46418900的博客
08-14 250
OpenMMLab是基于Pytorch的计算机视觉开源算法体系，涵盖了图像识别分类，目标检测，图像分割，姿态估计，视频理解，OCR，3D目标检测，3D姿态估计等等视觉任务。生成模型+底层视觉+AIGC算法库 MMagic —AI画画，图像去噪，视频/图片超分辨率，模糊图片细节还原，黑白老照片上色，图像复原填充，线稿生图，商业广告等。图像分类+预训练+多模态算法库MMPretain–图像分类，视觉问答，视觉检索，图像描述。快速部署，本地终端，硬件多样，算力薄弱，数据隐私。目标检测算法库 MMYOLO。
介绍 一下 OpenMMLab
最新发布
luoganttcc的博客
09-27 396
OpenMMLab：计算机视觉开源生态 OpenMMLab
OpenMMlab （1）
qq_52971287的博客
02-02 177
OpenMMlab(task1)笔记
开源算法体系OpenMMLab
weixin_42311981的博客
06-01 1293
介绍OpenMMLab框架
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 1330
OpenMMLab AI实战营学习笔记（一）
OpenMMLab 目标检测
MyArrow的专栏
03-06 5460
目标检测相关知识
【OpenMMLab实践】03MMClassification理论（CNN分类模型训练以及PyTorch简介-中）
ShiTianlei的博客
11-18 2143
CNN训练技巧：随机梯度下降为主，各种经验策略辅助损失函数高度不规则，非凸权重初始化：kaiming init，预训练模型优化器改进：动量SGD，自适应梯度算法学习率策略：学习率退火，升温防止过拟合数据增广、早停、DropoutBatch Normalization：稳定数据分布，降低训练难度。
OpenMMLab介绍
shinsonwu的博客
06-01 254
该项目由多个库构成，包括MMDetection、MMCV、MMSegmentation等，这些库提供了一系列的算法和预训练模型，支持各种计算机视觉任务，例如图像分类、目标检测、图像分割和姿态估计等。它覆盖了图像分类、图像描述、视觉问题回答、视觉定位、检索等，并包含了各种自监督策略、对比学习、掩码学习和前端多模态算法，同时提供了详细的文档。MMOCR是一个文本检测和识别算法库，具有文本检测、字符识别和关键信息提取等功能。MMPose是一个姿态估计算法库，可以检测人脸、身体、手、动物、衣服等的关键点。
OpenMMLab入门
puppystellar的博客
02-01 227
openmmlab介绍
OpenMMLab OpenMMLab mmdeploy v1.1.0模型部署（一）
qq_41627642的博客
06-25 2888
无
OpenMMLab开源首个基于深度学习算法的光流估计工具箱
3D视觉工坊
11-25 1400
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达来源丨OpenMMLab编辑丨极市平台导读MMFlow 中包含了 8 种光流算法，从经典的FlowNet、FlowNet2、PWC-...
openmmlab介绍 一下
luoganttcc的博客
03-27 928
OpenMMLab 是由商汤科技（SenseTime）发起并维护的开源深度学习项目，专注于计算机视觉领域。它提供了一系列模块化、可扩展的工具库，旨在帮助研究者和开发者高效地实现、复现和部署前沿的视觉算法。OpenMMLab 的设计强调‌‌、‌‌和‌‌，覆盖了图像分类、目标检测、图像分割、视频分析等多个方向。
【笔记】计算机视觉 ｜ 开源计算机视觉神器OpenMMLab
munan52的博客
06-01 885
OpenMMLab概述
【OpenMMLab】MMagic入门
Winkyyyyyy的博客
10-15 1774
【OpenMMLab】MMagic入门
【openmmlab】介绍
m0_74093057的博客
09-28 562
OpenMMLab 是一个功能强大且灵活的计算机视觉框架，适合从研究到实际应用的各种需求。
OpenMMLab Super-Resolution Toolbox
03-29
### OpenMMLab 超分辨率工具箱简介 OpenMMLab 是由开放多媒体实验室开发的一系列开源项目集合，涵盖了计算机视觉领域的多个方向。其中，超分辨率工具箱（MMEditing）是一个专注于图像编辑任务的框架，支持多种超分辨率算法实现[^3]。 #### 工具箱的主要功能 MMEditing 提供了丰富的超分辨率模型实现，包括但不限于 ESRGAN、RRDBNet 和 SRCNN 等经典网络结构。这些模型能够显著提升低分辨率图像的质量，适用于医学影像处理、视频增强等多个领域[^4]。 以下是 MME Editing 的一些核心特性： - **模块化设计**：允许用户轻松定制和扩展不同的组件。 - **多任务支持**：除了超分辨率外，还支持修复、去噪等多种图像编辑任务。 - **高性能训练与推理**：通过 PyTorch 实现高效计算，并提供分布式训练选项。 #### 安装指南 为了使用该工具箱，需先安装必要的依赖环境。推荐按照官方文档中的说明操作： ```bash git clone https://github.com/open-mmlab/mmediting.git cd mmediting pip install -r requirements.txt pip install mmcv-full==latest+torch1.8.0 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html pip install . ``` 上述命令会克隆仓库并完成基础配置[^5]。 #### 使用方法 运行预定义的超分辨率脚本非常简单。例如，加载已训练好的 ESRGAN 模型并对单张图片执行测试： ```python from mmedit.apis import init_model, restoration_inference import cv2 config_file = 'configs/restorers/esrgan/esrgan_x4c64b23g32_1xb16-400k_div2k.py' checkpoint_file = 'https://download.openmmlab.com/mmediting/restoration/gan/esrgan/esrgan_x4c64b23g32_1xb16-400k_div2k_20220731-f9ebd7df.pth' model = init_model(config_file, checkpoint=checkpoint_file) result = restoration_inference(model, ['test_image.png']) output_img = result[0].cpu().numpy() # 将结果转换为 NumPy 数组 cv2.imwrite('super_resolved_output.png', output_img) ``` 此代码片段展示了如何初始化模型以及对输入图像应用超分辨率技术[^6]。 --- ###
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