- 博客(3)
- 收藏
- 关注
RSS订阅原创 mmpretrain代码学习
然后来到了mmpretrain的亮点部分了，便于后续复用的config文件。头部head的num_classes=2 ,数据集中的 dataset_type=’CustomDataset’ ,训练集，测试集dataroot的位置。在分类算法中，混淆矩阵（Confusion Matrix），也称为错误矩阵（Error Matrix），是一种用于衡量分类模型性能的矩阵形式。首先引入mmpretrain包里的get_model,list_models,inference_model。其中主干网络是核心。
2023-06-07 22:56:06
150
1
原创 MMPretrain理论学习
谈到transformer的注意力机制，主要是在卷积上加成了一个函数。也提到了多头注意力相当于多通道分开的注意力卷积后的级联。图像文本对的clip目标函数借鉴了对比学习：拉近正样本，退远负样本。最后用prompt的方法，可以把clip变成一个分类器，居然比传统的分类器好很多。只训练其中的桥接不分的Q-former。并且现在越来越有和LLM一样的范式：在预训练模型的基础上对下游任务进行调优。4.最让我感到诧异的其实是提高对比学习和MAE掩码学习的融合。才知道现在大名鼎鼎的DINO，居然就是这两种方式的融合。
2023-06-06 22:51:25
187
原创 关于人体姿态估计
transformer的人体估计：大体上是cnn+transformer。token并没有直接利用原图。而是用cnn后的特征图。整体架构和VIT类似。当然没有去确认transformer类的说法的精度是否是SOTA。初步学习了下人体姿态估计，卢老师高屋建瓴来了场overview.由于内容庞杂，只能简要记录下影响比较深刻的点。人体参数化模型:SPML模型，将人体描述参数化，解耦成形态和姿态。然后利用参数化公式进一步学习。RLE: 之前在SAM里听到过这个词，但并没有深究。这次重点提到了RLE。
2023-06-01 23:52:29
98
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