文章介绍了计算机视觉中的图像分类和检测技术，并重点提及OpenMMlab，这是一个基于pytorch的开源平台，提供了包括MMEditing在内的多种算法框架，支持图像修复、抠图和生成等应用。OpenMMlab的算法都已复现，方便开发者直接使用。同时，文章也简单概述了机器学习中的神经网络训练过程，涉及损失函数、梯度下降和卷积神经网络。
计算机视觉：计算机采用算法对图像进行处理。
分类，检测，分割
图像分类，即图像识别，分类的进步引领了计算机视觉的进步
OpenMMlab的训练框架是pytorch，开源了大量的算法框架，我个人对MMEditing比较感兴趣。MMEditing在像素层级上进行处理，可以进行图像修复，抠图，图像生成等操作。
OpenMMlab上的算法都是已经复现过的，开发者不需要自行重现已有算法，可以直接调用了。
openmmlab三宝:基于pytorch开发，模型库和数据集可以直接作为学习路径，算法包括前沿论文。
机器学习和神经网络简介：
神经网络的训练：确定损失函数，调整w降低损失函数，最优化问题。
训练流程：1.计算样本的损失 2.计算样本损失的梯度 3.根据梯度信息更新函数
常用损失函数：交叉熵损失
基于梯度下降算法寻找最优参数，降低损失函数。
卷积神经网络：
扫一扫
3602
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
