计算机视觉定义/openmmlab 体系/机器学习与卷积神经网络

目录

1.计算机视觉

1.1目标检测

1.2图像分割

1.3图像分类

2.openmmlab的体系（主要摘取了感兴趣的几个库）

3.机器学习、卷积神经网络

4.大神推荐的如今建议入门的领域：

---

1.计算机视觉

是对图像，视频此类图像类信息进行特征提取等以获取信息的技术；

1.1目标检测

拥有多位置信息，由物体的左上角和右下角来获取位置；其锚定框将由五个参数决定（四个位置参数与一个标签）。目标检测按照检测对象目标可以分为专用目标检测和通用目标检测。

1.2图像分割

进行像素级别的框选是任务是图像分割，它分为两种：

（1）语义分割：不管目标，只管像素，只管类别；

（2）实例分割：要管目标，区分出每一个物体；

（3）全景分割：在实例分割之外还进行整个环境的感知与分割。

1.3图像分类

计算机视觉的基础任务，在此基础上加上检测头/分割头/关键点检测头等可以得到其他任务的目标，换句话来说，目标检测，图像分割，关键点检测等任务他们可以说是CV的下游任务。

2.openmmlab的体系（主要摘取了感兴趣的几个库）

mmdeploy：是用于部署在服务器，开发板等有着企业不同平台需求和环境特色的设备中

mmdetection3d：通过激光雷达的点云数据进行3D的锚定框绘制与3D环境下的感知

mmtrack：进行视频进行连续逐帧的目标检测与追踪

mmaction2：进行视频行为理解，动作检测；以此引申的有意义的下游任务：检测吵架和打架...

mmediting：图像修复，超分辨率，目标/背景的抠图，图像生成。

mmrazor：蒸馏，轻量

一些建议：

• 可以使用mmdetection去使用复现好的官方算法来完成论文中需要的结果表现的对比。
• 很推荐在学习过程中参考openmmlab module zoo与dataset zoo中完成复现的文章甚至是benchmark设置，让自己对于实验有着更加清晰的全面的了解。

3.机器学习、卷积神经网络

机器学习：程序通过数据中总结学习经验，并以此为基础解决同类的新的问题。

又可以称为“统计机器学习”，因为得到的结果是概率。

训练的目标：图片

梯度下降的方法：优化器之间的区别，adam，带动量的优化器SGD... （这是optimization部分，之前自己_base_ config的时候出过相关问题，也对于优化器有点兴趣）

• CS231N 训练神经网络第二部分有关于优化器的描述。

torch带的optimization

 

卷积神经网络：

局部连接：像素局部相关 （依卷积核大小）

共享权重：平移不变性 （卷积核的参数共享）

上述两个特性以此节约大量参数

卷积核的权重和感受野的像素进行点乘反映了卷积核提取的特征

池化 -> 下采样；可以降低resolution，减少计算量； 

一个重要的代码块举例：

通用封装 torch.nn.Module

继承了torch.nn.Module的一个块的举例

在代码中可以经常见到如上图般堆砌的功能层；在init下定义需要用到的细节功能，再于forward下完成一个个细节的具有顺序的堆叠，以最后完成整个接口功能。

4.大神推荐的如今建议入门的领域：