计算机视觉与Openmmlab开源算法体系课堂-初识篇

        首次通过在线实战平台进行计算视觉的学习，与众多视觉经验者一起探索学习该领域的技术，并从中精进该领域实践项目。
        首次课堂浅谈视觉基础以及可涉及项目方向，了解国内开发OPENMMLAB算法模型以及相关库的内容。谈及三大基础：分类、检测和分割理解。单独再理解分割方面，再分为：（语义）像素分割以及实例分割，以及关键点检测理解：抠图输出框、输出点检测行为以达到高精准度的模式识别以及数据挖掘。再谈图像分类（image classification）以及目标检测（object detection）本质区别，以及（语义）像素分割（semantic segmentation）和实例分割（instance segmentation）要素。区分图像单独物体较高精度的方法为目标检测和实例分割两种方式。由图像分类接预测头已达到完成检测和分割的后续任务。提及深度学习单层次理解深度神经网络技术解决数据挖掘等问题，神经网络运用多方面多方向的深度学习场景运用以及目标检测场景应用，包括图神经网络、循环神经网络，以及不同多模态场景应用。其次了解国内目前最完整深度算法框架体系openmmlab开发历程， 包含以pytorch为基础的训练框架以及众多类型算法框架和20余视觉算法库，将其训练部署一体化标准运用mmdeploy转换为各类型硬件厂商支持的格式。并跟进介绍mmlab2.0的新技术功能，在原有基础库的基础上新增mmEngine评测引擎。以更直接的方式了解与深构该平台体系的实用性以及便利性，如何更好的适用于各个项目的实践应用。最后谈及机器学习的基础概要以及分类问题处理，包含三种范式模型：监督学习、无监督学习以及强化学习源于优化后的数据驱动模块强化计算机在机器学习基础上赋予更深层次的思维表现以达到解决问题的要求。