OpenMMLab实战营--第1课

        参加了OpenMMLab主办的训练营，第一讲是关于计算机视觉基础和OpenMMLab框架下一些算法库的介绍，记录一下第一天。

        第一节课总是比较有趣的， 子豪大佬的PPT做的也是令人赏心悦目的。本堂课主要介绍了计算机视觉的主要任务(Computer Vision Tasks)，可大致划分为三类：分类、检测和分割，其中每一类又可细分为几类，如分割任务又包含了语义分割(semantic segmentation)和实例分割(instance segmentation)两类。        （对于我个人而言，以往接触图像分类和图像目标检测较多，分割还未曾了解过，希望在后面的课程里能够接触接触。）

        计算机视觉要完成上述三类任务，就要依靠特殊的算法实现。在计算机视觉的发展历程中，个人认为可以划分成深度学习时期和非深度学习时期，它们之间存在着异同。在计算机视觉发展的早期，统计机器学习与模式识别、基于视觉特征等为代表占据了计算机视觉算法的高地，随着AlexNet的横空出世，深度学习的时代逐渐拉开序幕，RCNN、Fast RCNN、Faster RCNN、GAN等神经网络大展身手，时至今日，深度学习已经在计算机视觉领域有着非同凡响的地位。不过这两个时期的算法也并非完全独立，相反的，它们交集甚多。比如都是以数据为驱动的算法，前者可能需要更多的人为设置的特征工程，后者更加注重END-TO-END的学习……

       

         今天课堂另一大主题就是介绍OpenMMLab，其实我是在学习一些目标检测知识的时候开始了解到OpenMMLab的，其MMDetection框架是该开源体系在github上star数量最多、受众最广的一个框架，涵盖了常用2D和3D计算机视觉的目标检测算法。

        

         上图为OpenMMLab的总体架构概览，可以看到是有非常多的算法框架，并且均是基于Pytorch的。不过目前也仅仅对MMDetection有点了解，其它的还没涉及到。

        路漫漫其修远兮，希望在后续的学习中能够学到更多。