OpenMMLab AI 实战营 Day 1 笔记

A. 计算机视觉问题类型和应用

计算机视觉是一门让计算机学会“看”的学科，主要仍然是用CNN，DL等工具，数据驱动地完成训练。

主要能够完成的工作有识别，分类，定位，检测，以及他们的各种结合和细化。这里举几个有代表性的例子：

1.分类(识别图中物体)->定位(框选图中物体)->检测(框选图中不同物体)->分割(划分不同物体轮廓)

2.语义分割->实例分割->关键点定位。

关于应用，随着算法的更新换代（我就resnet熟一点，resnet是这类问题的算法的算力分水岭了），能做的事越来越多，准确度也越来越高，比如人脸识别，自动驾驶中的环境检测，图像生成，关键点识别，也可以用在视频中，实现对视频的自动剪辑。

B.OpenMMLab的介绍

关于发展，基本也是符合machine learning的发展节奏的。很期待之后能把ML的东西能用在计算机视觉上（我不是研究计算机视觉的，我曾经是搞统计的，对ML很熟悉但是对计算机视觉确实没什么具体了解）

因此至于OpenMMLab，我更愿意将其理解成ML领域很常见的tensorflow（才知道原来在计算机视觉里也很常见），是基于PYTORCH的框架，封装了一系列计算机视觉相关的强大计算工具，比如MMclasification（分类），MMDetection（检测），MMGeneration(生成)等。

相信这次有了超算平台的加持，应该能够更好地运用这些功能。

C.Machine Learning的内容

这部分介绍了机器学习中很基本的内容，包含分类器构建和改良--损失函数的最优化问题（这个我天天做，这里只介绍了最基本的gradient descent），CNN的结构（pooling，padding）等。

最后还包括了一些pytorch的基本内容，如何对pytorch进行部署。