- 博客(4)
- 收藏
- 关注
原创 AI实战营二期 DAY5 MMPretrain代码课
3.调用模型进行推演:图像分类或者多模型图像描述。启动训练,之后分析测试结果并评估。包括准备数据集、配置文件等工作。安装openmin,之后调用。环境和cuda,安装。
2023-06-07 23:49:47
45
原创 AI实战营二期 DAY4 深度学习预训练与MMPretrain
将图像切分成若干 16x16 的小块,所有块排列成”词向量”,先经过线性层映射,一张[H,w,C] 维度的图片变为[L,C],再经多层 Transformer Encoder 的计算产生相应的特征向量图块之外加入额外的 token,用于 query 其他 patch 的特征并给出最后分类注意力模块基于全局感受野,复杂度为尺寸的 4次方。残差建模: 让新增加的层拟合浅层网络与深层网络之间的差异,更容易学习梯度可以直接回传到浅层网络监督浅层网络的学习没有引入额外参入,让参数更有效贡献到最终的模型中。
2023-06-06 23:55:47
48
原创 AI实战营二期 DAY2 人体关键点检测与MMPose
模型预测热力图比直接回归坐标相对容易,模型精度相对更高,因此主流算法更多基于热力图但预测热力图的计算消耗大于直接回归。将关键点检测问题建模成一个回归问题,让模型直接回归关键点的坐标。并不直接回归关键点的坐标,而是预测关键点位于每个位置的概率,热力图可以基于原始关键点坐标生成,作为训练网络的监督信息。网络预测的热力图也可以通过求极大值等方法得到关键点的坐标。在图像上定位人体关键点(通常为人体主要关节)的坐标。从给定的图像中识别人脸、手部、身体等关键点。输出:所有关键点的像素坐标。
2023-06-02 23:33:19
62
原创 AI实战营二期 DAY1 openmmlab概述
总体框架代表算法库https://github.com/open-mmlab/mmdetectionGitHub - open-mmlab/mmyolo: OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc.GitHub - open-mmlab/mmocr: OpenMMLab Text Detec
2023-06-02 03:27:01
65
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人