OpenMMLab
文章平均质量分 75
JeffDingAI
OpenI首批资深体验官,Datawhale成员,MindSpore资深开发者,Ascend优秀开发者,主要探索学习国产算力、Mindspore、Ascend、AI For Science、AIGC
展开
-
【OpenMMLab】MMDeploy介绍及安装部署
MMDeploy 提供了一系列工具,帮助您更轻松的将 OpenMMLab 下的算法部署到各种设备与平台上。您可以使用我们设计的流程一“部”到位,也可以定制您自己的转换流程。原创 2023-08-21 08:27:12 · 476 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】底层视觉SRCNN&Fast SRCNN
通过无监督学习方法:构建一组“基图像块” ,使得图像中的任意一块区域可以由少数基图像块线性组合而成。即便已经学习出字典,对低分辨率图像块进行系数分解,得到系数仍然是一个相对复杂的优化问题。SRCNN是首个基于深度学习的超分辨率算法,证明了深度学习在底层视觉的可行性。采用生成对抗网络的策略,鼓励产生细节更为真实的高分辨率图像。使用卷积神经网络,端到端从低分辨率图像恢复高分辨率图像。图像超分辨率:根据从低分辨率图像重构高分辨率图像。第三层:组合领域内的高层次特征,恢复高清图像。高分图像符合低分图像的内容。原创 2023-06-15 11:55:30 · 521 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】MMSegmentation简单使用及配置文件介绍
文档库地址:[https://mmsegmentation.readthedocs.io/en/latest/overview.html](https://mmsegmentation.readthedocs.io/en/latest/overview.html]原创 2023-06-14 06:00:56 · 711 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】语义分割与MMSegmentation
CRF是一种概率模型,DeepLab使用CRF对分割结果进行建模,用能量函数用来表示分割结果优劣,通过最小化能量函数获得更好的分割结果。特征图不变膨胀卷积核再进行卷积运算-膨胀卷积核不产生额外参数-相同计算结果下采样加标准卷积等价于空洞卷积。Encoder/Decoder结果(如UNet)在上采样过程中融入低层次特征图,以获得更精细的分割图。特征图就会变大,需要对应增大卷积核,以维持相同的感受野,但会增加大量的参数。使用升采样方案得到的特征图只有原图的1/4位置的响应,需要配合插值。原创 2023-06-13 05:48:18 · 299 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】MMDetection安装与使用
MMDetection 是一个目标检测工具箱,包含了丰富的目标检测、实例分割、全景分割算法以及相关的组件和模块,下面是它的整体框架:MMDetection 由 7 个主要部分组成,apis、structures、datasets、models、engine、evaluation 和 visualization。apis 为模型推理提供高级 API。structures 提供 bbox、mask 和 DetDataSample 等数据结构。原创 2023-06-08 20:16:15 · 719 阅读 · 1 评论 -
【OpenMMLab AI实战营第二期笔记】人体关键点检测与MMPose
人体姿态估计(Human Pose Estimation)是计算机视觉领域中的一个重要研究方向,也是计算机理解人类动作、行为必不可少的一步,人体姿态估计是指通过计算机算法在图像或视频中定位人体关键点,目前被广泛应用于动作检测、虚拟现实、人机交互、视频监控等诸多领域。本次课程涵盖人体姿态估计的介绍与应用、2D 姿态估计、3D 姿态估计、DensePose、Body Mesh 以及 MMPose 等内容。从给定的图像中识别人脸、手部、身体等关键点。原创 2023-06-02 12:01:14 · 482 阅读 · 0 评论 -
OpenMMLAB AI实战营第一课笔记
从数据中学习经验,以解决特定问题。原创 2023-02-02 12:24:19 · 363 阅读 · 0 评论 -
OpenMMLab AI实战营第四课笔记
openmmlab ai训练营第四课笔记原创 2023-02-07 14:29:27 · 475 阅读 · 0 评论 -
OpenMMLAB AI实战营第二课笔记
第一个成功实现大规模图像的模型,在ImageNet 数据集上达到~85% 的top-5 准确率5 个卷积层,3 个全连接层,共有60M 个可学习参数使用ReLU 激活函数,大幅提高收敛速度实现并开源了cuda-convnet ,在GPU 上训练大规模神经网络在工程上成为可能代码仓库:https://github.com/open-mmlab/mmclassification文档教程:https://mmclassification.readthedocs.io/en/latest/原创 2023-02-03 14:29:34 · 225 阅读 · 0 评论 -
OpenMMLab AI实战营第三课笔记及作业随记
作业全程使用华为云ECS平台完成硬件环境内存:64G软件环境操作系统:Ubuntu 20.02CUDA:11.2Cudnn:8.1。原创 2023-02-04 12:26:45 · 400 阅读 · 0 评论 -
OpenMMLab AI实战营第六次课程
任务: 将图像按照物体的类别分割成不同的区域等价于: 对每个像素进行分类。原创 2023-02-10 11:52:14 · 323 阅读 · 0 评论 -
OpenMMLab AI实战营第七次课程
文档: https://mmsegmentation.readthedocs.io/en/latest/代码库: https://github.com/open-mmlab/mmsegmentation。原创 2023-02-11 13:39:48 · 59 阅读 · 0 评论 -
OpenMMLab AI实战营第五课笔记
仅计算机视觉三大顶会上被超过100 篇论文作为基础代码库;• 将数据整理成MMDetection的支持的格式,如COCO格式或者自定义格式。• 选择一个基础模型,下载对应的配置文件和预训练模型的参数文件。• 使用基于COCO预训练的检测模型作为梯度下降的“起点”• 使用自己的数据进行“微调训练”,通常需要降低学习率。• 修改优化器配置(学习率、训练轮次等)商汤、腾讯、阿里、华为、国内外初创公司。• 修改配置文件中的数据路径。• 设置加载预训练模型。• 修改模型的分类头。原创 2023-02-08 13:30:03 · 379 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】目标检测笔记
目标检测: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单阶段算法直接通过密集预测产生检测框,相比于两阶段算法,模型结构简单、速度快、易于在设备上部署早期由于主干网络、多尺度技术等相关技术不成熟,单阶段算法在性能上不如两阶段算法,但因为速度和简洁的优势仍受到工业界青睐随着单阶段算法性能逐渐提升,成为目标检测的主流算法。原创 2023-06-08 05:19:16 · 583 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】MMPretrain基本使用
MMPretrain 是一个全新升级的预训练开源算法框架,旨在提供各种强大的预训练主干网络, 并支持了不同的预训练策略。MMPretrain 源自著名的开源项目 MMClassification 和 MMSelfSup,并开发了许多令人兴奋的新功能。目前,预训练阶段对于视觉识别至关重要,凭借丰富而强大的预训练模型,我们能够改进各种下游视觉任务。我们的代码库旨在成为一个易于使用和用户友好的代码库库,并简化学术研究活动和工程任务。我们在以下不同部分中详细介绍了 MMPretrain 的特性和设计。原创 2023-06-06 18:40:47 · 1146 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】深度学习预训练与MMPretrain
MMPretrain 是一个全新升级的预训练开源算法框架,旨在提供各种强大的预训练主干网络, 并支持了不同的预训练策略。MMPretrain 源自著名的开源项目 MMClassification 和 MMSelfSup,并开发了许多令人兴奋的新功能。目前,预训练阶段对于视觉识别至关重要,凭借丰富而强大的预训练模型,我们能够改进各种下游视觉任务。我们的代码库旨在成为一个易于使用和用户友好的代码库库,并简化学术研究活动和工程任务。我们在以下不同部分中详细介绍了 MMPretrain 的特性和设计。原创 2023-06-05 16:20:13 · 661 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】RTMPose关键点检测
OpenI 启智集群内存:50GCUDA:11.8。原创 2023-06-03 10:44:21 · 548 阅读 · 0 评论 -
【OpenMMLab AI实战营第二期】二十分钟入门OpenMMLab笔记
OpenMMLabAI实战营第二期第一课笔记原创 2023-06-01 14:22:09 · 735 阅读 · 0 评论