- 博客(6)
- 收藏
- 关注
原创 【通用视觉框架OpenMMLab:语义分割与MMSegmentation 笔记6】
#1#语义分割1)含义:等价于对每个像素进行分类(≠抠图),将图像按照物体的类别分割成不同的区域2)应用:无人驾驶汽车、人像分割(实时替换视频的背景)、智能遥感、医疗影像分析#2#语义分割:仅考虑像素的类别,不分割同一类的不同实体实例分割:分割不同的实体,仅考虑前景物体全景分割:背景仅考虑类别,前景需要区分实体一、语义分割的基本思路→1.按颜色分割:不完全准确,不同物体颜色可能相近,物体内也会包含多种颜色,需要额外手段确定物体类别→2.逐像素分类:充分利用已有的图像分类模型,但效率低下,
2023-02-10 00:25:42
119
原创 【MMDetection及代码笔记5】
一、MMDetection项目概述1.MMDetection:目标检测工具包2.特点:任务支持:目标检测、实例分割覆盖广泛、算法丰富(两阶段检测器、一阶段检测器、级联检测器、无锚框检测器、Transformer)、使用方便3.目的:提供性能优良的预训练模型,开箱即用,几行Python API即可调用强大的检测能力涵盖目标检测算法,并提供方便易用的工具,经过简单的配置文件改写和调参就可以训练自己的目标检测模型二、MMDetection运行环境搭建(基于Openbayes计算平台)1.环境搭建M
2023-02-07 23:42:49
152
原创 【通用视觉框架OpenMMlab目标检测与MMDetection笔记4】
一、目标检测1.含义:给定一张图片,用矩形框框出所有感兴趣物体同时预测物体类别2.应用:人脸识别(身份识别、属性分析……)、智慧城市、自动驾驶(环境感知、路径规划与控制)、下游视觉任务3.目标检测VS图像分类4.方法:滑窗Sliding Windows5.滑窗效率问题计算成本大改进→法1:使用启发式算法替换暴力遍历 →法2:减少冗余计算,使用卷积网络实现密集预测(普遍使用)☞具体:①分析滑窗中的重复计算,②消除滑窗中的重复计算,③在特征图上进行密集预测6.目标检测的基本范式7
2023-02-06 23:15:40
164
原创 【MMClassification介绍、北京超算30区使用MMClassification训练花卉图片分类模型、代码讲解 笔记3】
一、MMClassification1.图像分类工具包MMClassification丰富的模型、数据集支持、易用的工具、训练技巧与策略、模块化设计2.Python推理API3.推理工具(需源码安装)-单张图像推理-在测试集上训练 单卡 多机多卡4.训练工具(需源码安装)5.使用MIM工具实现训练和测试MIM为所有OpenMMLab工具提供了统一的命令行接口-下载配置文件和预训练权重-训练(支持单卡、多卡、Slurm任务管理器)-测试6.环境搭建7.OpenM
2023-02-04 00:17:44
162
原创 【通用视觉框架OpenMMLab图像分类与基础视觉模型笔记2】
一、图像分类1.图像:像素构成的数组图像=像素数组X,通过函数分类图像难以遵循具体的规则设计算法2.超越规则:让机器从数据中学习1)收集数据2)定义模型:eg.y=Fx3)训练:寻找最佳参数,使模型在训练集上达到最高正确率4)预测:对于新图像,用训练好的模型预测其类别3.图像分类数学表示:图像-概率向量-类别二、机器学习1.局限:机器学习算法善于处理低维、分布相对简单的数据,图像数据在几十万维的空间中以复杂的方式"缠绕"在一起,常规的机器学习算法难以处理复杂数据分布2.发展①传统方
2023-02-03 00:45:21
100
原创 【计算机视觉算法基础与OpenMMLab笔记1】
一、计算机视觉1.含义:让计算机会"看",研究如何自动理解图像和视频中的内容。视觉:开发一套算法对图像的一系列处理2.分类:图像分类、对象检测、图像分割(语义分割和实例分割)3.应用:动漫特效、航拍转地图、视频理解与自动剪辑等二、OpenMMLab计算机视觉开源算法体系1.OpenMMLab现状2.算法训练-部署一体化3.算法框架介绍MMDetection、MMDection3D、MMClassification、MMSegmentation等三、OpenMMLab 2.0通用:强大的训
2023-02-02 00:10:11
95
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人