代码编织梦想
参加openmmlab的公开课第一篇，这次主要是openmmlab的大概介绍和深度学习的基础知识，关于基础知识，网上公开的资源很多而且大多学生已经有相关基础，所以在此就不再赘述。
我想着重说一下openmmlab这个框架，根据我这两天的实验，你可以将此等价与pytorch和torchvision的集合体。也就是说有现成的模型和数据预处理方法，当然也有torch本身灵活使用的特点，同时更重要的一点，就是openmmlab与生俱来的“产品化”思维。
众所周知最初是香港中文和商汤科技共同组建的，因此openmmlab注定会衍生为一个商业化的产品，不管是何种终端，网页端也好，pc端也好。为什么这么说，因为openmmlab的使用，并非是传统pytorch的结构，而是以一种“字典接口”的config存在，基础的图像处理和经典与最新模型都有，可以直接“字典配置式”的调用。但不管最终是否是商业产品，目前都是一个对于新手和老鸟都适合的开源项目，最快的速度搭建和对比网络，下次更新分类和分割使用。
以下的截取的几个我人为有用的ppt
文章目录 0. 前言1. Dataset构建过程2. 数据预处理模块化实现3. 视频采样方式实现4. 数据增强方式实现5. DataLoader 的实现 0. 前言 github: open-mmlab/mmaction2从宏观角度记录一下 与 mmaction 还是非常类似的，做了一定的优化，暂时不支持 ava。Dataset 类型包
本文转载自知乎，已获作者授权转载。 链接：https://zhuanlan.zhihu.com/p/347705276 视频理解是计算机视觉中重要的研究方向，近年来逐渐成为业界和学术界的研究热点，同时也被广泛应用在智能监控/视频推荐等领域中。OpenMMLab 项目开源了 MMAction2，这是一套基于 PyTorch 实现的视频理解工
目录 0 设计 1 nn.Module 实现 1.1 常用接口 1.1.1 __init__ 函数 1.1.2 状态的转换 1.1.3 参数的转换或转移 1.1.4 Apply 函数 1.2 属性的增删改查 1.2.1 属性设置 1.2.2 属性删除 1.2.3 常见的属性访问 1.3 Forward & Backward
一、安装概览 conda create -n openmmlab python=3.7 -y conda activate openmmlab conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch -y # install the latest mm
语义分割 综述知乎：图像语义分割综述知乎：DeepLab 语义分割模型 v1、v2、v3、v3+ 概要（附 Pytorch 实现）干货 | 一文概览主要语义分割网络，FCN、UNet、SegNet、DeepLab 等等等等应有尽有4种语义分割数据集Cityscapes上SOTA方法总结 ——强推语义分割综述 ——强推史上最全语义分割综述（FCN,UNe
目录 1. SSD网络（2016，ECCV） 1.1 Faster RCNN存在问题 1.2 SSD网络亮点 1.3 网络细节部分 1.4 Default Box的确定 1.5 SSD网络预测部分 1.6 正负样本选取 1.7 损失的计算 2. RetinaNet网络（2017，CVPR） 2.1 RetinaNet网络结构 2.2
计算机视觉与OpenMMLab 计算机视觉 1.概念（是什么） 让计算机会“看”的学科，让计算机看懂并理解图片、视频等（e.x.微信扫一扫识物，人脸识别、自动驾驶） （图片来源：通用视觉框架OpenMMLab计算机视
一、计算机视觉基础 概念及应用 计算机视觉任务：图像分类（classification）、目标检测（object detection）、图像分割（segmentation）。 其中图像分割又分为语义分割（semantic segmentation）、实例分割（instance segmentation）。后者不仅将像素抠出来还区分类别。
通用视觉框架OpenMMLab--计算机视觉与OpenMMLab开源算法体系 计算机视觉计算机视觉是什么？ OpenMMLab开源算法框架体系OpenMMLab总括算法框架介绍OpenMMLab2.0简介 机
OpenMMLab AI实战营 note1 计算机视觉定义 计算机视觉是一门让计算机学会”看“的学科，研究如何自动理解图像和视频中的内容 计算机视觉应用 动漫特效 航拍转地图 虚拟主播 视频理解与自动剪辑 计
通用视觉框架 OpenMMLab（第一课） 子豪兄熟悉的声线~~~ 1.环境配置 实不相瞒，MMLab环境配置是真的难，各种报错，有时在linux还存在库版本不对的情况，好在都能解决。环境配置链接在此。 2.课程内容
1 OpenMMLab 总体现状 Architecture提供统一先进的底层架构 Research Areas覆盖计算机视觉众多方向 Algorithms提供最经典、最前沿的算法支持 Pretrained Models提供统
1 计算机视觉基础 Classification 图像分类 Classification+Localization 介于分类和检测之间 Object Detection 目标检测 Segmentation 图像分割任务 Semantic Segmentation 语义分割 Instance Se
CV的任务 分类 ：属于哪一类物体 检测 （目标检测 关键点检测）：每个物体用框框起，并注明名称 分割（语义分割 实例分割）：后者需要区分每一个物体 后三者需要精准的定位图像上的每一个像素点 OpenMMLab 是深度学习时代最完整的计算机视觉算法体系，基于pytorch研发，总体架构概览如下图，可以大大节省论文阅读时间，更快捷的去
1 CV算法任务 1. Single object ClassificationClassification+Localization 2. Multiple objects Object DetectionSegmentation Semantic Segmentation： No objects, just pixelsInstance
OpenMMLab学习笔记（一） day01 计算机视觉与OpenMMLab开源算法体系 1. 基本知识 计算机视觉的基础任务：分类、分类和定位、物体检测、分割（语义分割、实例分割），其中实例分割统一种类索引不同
前排提示：这周的课有很多知识点都在图中，一定要仔细地看一看图。 课堂笔记 计算机视觉 CV(Computer Vision, 计算机视觉)是计算机科学的一个研究领域。该领域研究如何让计算机“理解”图像，从而完成一些只有