OpenMMLab寒假AI实战营（CV）--day1

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计算机视觉与OpenMMLab开源算法体系–张子豪PPT）
2.发展历史
1964, Larry Roberts: Machine perception of 3d solids
1982, David Marr: 三维的视觉计算理论(input image(2D)–edge image–sketch(2.5D)–model(3D))
1991, Turk & Pentland: Eigen Face
2001, Viola & Jones: VJ人脸检测（Harr小波检测 & Adaboost级联分类器）
2006， 李飞飞（斯坦福大学）: ImageNet项目
2010——，AlexNet, Fast R-CNN

OpenMMLab

1.总体架构概览

（图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）
2.算法框架介绍
MMDetection: 目标检测、实例分割、全景分割
MMDetection3D: 3D目标检测
MMClassification
MMSegmention: 无人驾驶汽车、遥感、医疗影像分析
MMPose & MMHuman3D
MMTracking: 目标跟踪
MMAction2: 行为识别、时序动作检测、时空动作检测
MMOCR: 文本检测、文本识别、关键信息提取
MMEditing: 图像修复、抠图、超分辨率、图像生成

机器学习和神经网络简介

机器学习是什么

问题——数据收集——拟合模型（让计算机从数据中学习解决问题）

机器学习典型范式

• 监督学习（数据之间存在某种映射关系）
• 无监督学习（数据自身是否存在某种规律）
• 强化学习
  （个人理解：监督学习是在大量样本中寻找自变量x与因变量y之间的关系，而无监督学习是寻找自变量x1,x2之间的相关性进而得到样本之间的相关关系）

感知器（Perceptron）

1958年Frank Rosenblatt在康奈尔大学航空实验室发明，用来求解线性二分类问题。

机器学习的基本流程

• 训练
• 采集需要数据，标注类别，选取一部分用于训练分类器
• 验证
• 从采集、标注的数据中另外选取一部分测试所得分类器的分类精度，验证所用数据不能和训练重合，以保证分类器的泛化性能，防止过拟合。
  3.应用
• 将分类器集成到实际业务系统，实现对应功能。

神经网络

（图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）
权重weight: 连接线上的值,即图中w1,w2,…,wd
偏置值bias: 线性回归方程中偏置项，只改变函数位置，不改变其方向。

（图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）
激活函数

• 给神经网络加入非线性变换，使其能解决非线性分类的问题
• 不包含学习参数
• 常见的激活函数有：Sigmoid、ReLU函数等
  
  （图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）

多层感知器

（图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）

多分类任务

神经网络的输出层

• 如果是多分类任务，那么神经网络的输出就有多个y1,y2,y3,…
• 每个输出介于0~1之间，且所有输出之和为1
• 通常使用softmax激活函数
  
  （图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）

神经网络的训练

神经网络性能的衡量：

• 错误率越低越好
• 定义连续的损失函数作为媒介（交叉熵损失Cross-Entropy Loss）

训练方法：梯度下降算法
关于具体的梯度下降算法的讲解可以参考大佬的文章：

https://blog.csdn.net/qq_41800366/article/details/86583789?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167531950516800192254180%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=167531950516800192254180&biz_id=0&spm=1018.2226.3001.4187

训练流程：

1. 前向传播计算样本损失
2. 反向传播计算样本损失梯度，更新参数
   
   （图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）

卷积神经网络（CNN）

卷积神经网络相对深度神经网络的优势：

1. 局部连接
2. 共享权重

整体结构

（图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）

卷积层

卷积核扫描整张输入图像输出特征图（卷积核的通道数需与输入图像的通道数相同，通常使用多个卷积核）

激活层

激活层基于一个非线性函数对输入特征图进行逐元素变换，激活层通常不包含学习参数

（图片来源：通用视觉框架OpenMMLab计算机视觉与OpenMMLab开源算法体系–张子豪PPT）

池化层（Pooling Layer）

池化层在特征图的局部区域内计算最大值或者平均值，从而降低特征图分辨率，节省计算量，提高特征的空间鲁棒性。

全连接层（Full Connected Layer）

全连接层通过矩阵乘法将输入特征映射为输出特征

概率输出层

将网络输出转换为概率向量