OpenMMLab 实战营打卡 - 第 1 课

目录

  • 一. Computer Vision Tasks
  • 二. MMCV简介
    • MMCV 支持以下的系统
  • 三. 计算机视觉的主要应用
  • 四.计算机视觉的发展
  • 五.深度学习时代最完整的计算机视觉开源算法体系
    • OpenMMLab总体现状
    • OpenMMlab总体架构

一. Computer Vision Tasks

主要包括分类、检测和分割。Localization(把目标图像框出来)。对像素进行识别(语义分割)。
像素力度的挖掘。

二. MMCV简介

MMCV 是一个面向计算机视觉的基础库,它支持了很多开源项目,例如:
MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
MMClassification: OpenMMLab 图像分类工具箱
MMDetection: OpenMMLab 目标检测工具箱
MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
MMSegmentation: OpenMMLab 语义分割工具箱
MMOCR: OpenMMLab 全流程文字检测识别理解工具箱
MMPose: OpenMMLab 姿态估计工具箱
MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
MMRazor: OpenMMLab 模型压缩工具箱与测试基准
MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
MMAction2: OpenMMLab 新一代视频理解工具箱
MMTracking: OpenMMLab 一体化视频目标感知平台
MMFlow: OpenMMLab 光流估计工具箱与测试基准
MMEditing: OpenMMLab 图像视频编辑工具箱
MMGeneration: OpenMMLab 图片视频生成模型工具箱
MMDeploy: OpenMMLab 模型部署框架
具体介绍: OpenMMlab官方文档

MMCV 支持以下的系统

Linux
Windows
macOS
MMCV 需要 Python 3.6 以上版本。

三. 计算机视觉的主要应用

  1. 微信扫一扫识物
  2. 人脸识别
  3. 自动驾驶
  4. 动漫特效
  5. 航拍地图
  6. 视频理解/虚拟主播等等

四.计算机视觉的发展

早起萌芽1960-1980
统计机器学习与模式识别
视觉特征
ImageNet大型数据集
初有成效的视觉系统
深度学习时代
开源称为发展引擎

OpenMMLab 实战营打卡 - 第 1 课_第1张图片

五.深度学习时代最完整的计算机视觉开源算法体系

OpenMMLab总体现状

  1. 提供统一先进的底层架构
  2. 覆盖计算机视觉众多方向
  3. 提供最经典、前沿的算法支持
  4. 提供统一的基准和开箱即用的工作
    OpenMMLab 实战营打卡 - 第 1 课_第2张图片

OpenMMlab总体架构

OpenMMLab 实战营打卡 - 第 1 课_第3张图片

你可能感兴趣的:(MMLab实战训练营,人工智能,计算机视觉,python)