OpenmmLab

Computer Visio Tasks学习笔记 2.1

OpenMMLab：OpenMMLab学视频：1计算机视觉算法基础与OpenMMLab介绍_哔哩哔哩_bilibiliComputerVisioTasksVisio对图像和视频的信息进行模式识别和数据挖掘
SHARKWWWW·2023-02-05 10:03

OpenMMLab第一天学习_计算机视觉算法

突出人工智能领域优势和交叉融合，特色的MMLab主要研究方向：机器学习、强化学习、半监督/弱监督/自监督学习等方向的前沿方法和理论长视频理解、3D视觉、生成模型等的计算机视觉新兴方向物体检测、动作识别等核心方向的性能突破深度学习的创新应用探索，以及与医疗、社会科学、艺术创作等领域的交叉创新深度学习时代，算法与计算、系统框架、以及计算机体系结构的结合创新课后实践相关代码：PyPi设置pipconfi
shuxinfriend·2023-02-05 10:03

OpenMMLab第二天学习_计算机视觉图像分类

机器学习数据同类距离远图像数据在几十万维的空间中以复杂的方式"缠绕"在一起常规的机器学习算法难以处理这种复杂数据分布。计算梯度、统计梯度方向分布，ImageNet图像识别，视觉任务从特征工程到物征学习多头神经网络人脑可以看成一个“开关网络”，这些开关可以模拟出选择并选择，据此就实现了通用智能——同理，计算机的通用智能，也是来自“开关网络”的模拟，只不过操作这个模拟的是人类智能。所以，人类智能的通用
shuxinfriend·2023-02-05 10:03

【OpenMMLab AI 实战营】第二课：计算机视觉之图像分类算法基础

计算机视觉之图像分类算法基础图像分类与基础视觉模型图像分类的任务目标：给定一张图片，识别图像中物体的类别图像分类问题：构建一个可计算实现的函数(即将图像映射到对应的类别)图像为:X∈RH∗W∗3X\inR^{H*W*3}X∈RH∗W∗3类别为:y∈{1,…,k}y\in\left\{{1,\dots,k}\right\}y∈{1,…,k}F:RH∗W∗3→{1,…,k}F:R^{H*W*3}\to
Harper_Yu·2023-02-05 10:32

计算机视觉之图像分类代码教学——OpenMMLab实战营第三讲

图像分类工具包MMClassification环境安装依赖环境安装MMClassification需要Python3.6+、CUDA9.2+和Pytorch1.5+MMCls安装——最佳实践Step1:使用MIM安装MMCVpipinstall-Uopenminmiminstallmmcv-fullStep2:安装MMClassification从源码安装(推荐)：希望基于MMClassifica
jinglingsheshou·2023-02-05 10:31

mmlab图像处理第二课- 通用视觉框架OpenMMLab图像分类与基础视觉模型

AlexNet(2012提出的算法)第一个成功实现大规模图像的模型，在ImageNet数据集上达到~85%的top-5准确率•5个卷积层，3个全连接层，共有60M个可学习参数•使用ReLU激活函数，大幅提高收敛速度•实现并开源了cuda-convnet，在GPU上训练大规模神经网络在工程上成为可能；网络层数：11、13、16、19层•3×3卷积配合1像素的边界填充，维持空间分辨率•每隔几层倍增通道
insid1out·2023-02-05 10:30

OpenMMLab第三天学习_计算机视觉图像分类实践

读取MMlab准备深度学习训训练环境进入官网生成配置https://pytorch.org/get-started/locally/学习图像分类工具包MMClassification的丰富模型下载https://github.com/open-mmlab/mmclassification代码仓库https://mmclassification.readthedocs.io/en/latest/二、
shuxinfriend·2023-02-05 10:59

第三节课笔记

OpenMMLab软件栈PyTorch如何构建神经网络，训练+推理MMClassificiation如何构建分类网络，训练+推理北京超算平台的使用使用cuda和anaconda安装编译好的pytorch
jiumozhi345·2023-02-05 10:29

mmdetection环境配置，三个目标检测模型训练

pipinstallmmcv-full==latest+torch1.5.0+cu101-fhttps://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist
winnerziqi·2023-02-05 10:15

【mmdetection小目标检测教程】五、使用mmdet和mmcv的api进行图像/视频推理预测，含异步推理工作

，含异步推理工作1.图片推理2.视频推理3.异步推理在上一篇文章中，我们已经训练出了自定义数据集的模型文件，那么这篇文件将介绍如何基于已有文件进行推理预测mmdetection小目标检测系列教程：一、openmmlab
Zhijun.li@Studio·2023-02-05 10:14

OpenMMLab 实战营打卡 - 第 3 课

图像分类工具包MMClassification具有丰富的模型，包括卷积神经网络，如VGG；轻量化卷积网络，如MobileNetV2/V3；Transformer模型，如ViT等。在数据集方面，支持MNIST/CIFAR，以及自定义数据集。在训练技巧与策略方面，具有优化器与学习策略，数据增强策略。也包含易用的工具，如大量预制配置文件、预训练模型，Python推理API，模型训练工具，CAM可解释性分
sophia_cong·2023-02-05 10:40

OpenMMLab 实战营打卡 - 第 2 课

图像分类与基础视觉模型图像是像素构成的数组：34514…755756355588…563445558478…757680…………………788491…1421421878858159...12415617898149164…154156226像素数组图像类别：香蕉卷积神经网络AlexNet(2012)•第一个成功实现大规模图像的模型，在ImageNet数据集上达到~85%的top-5准确率•5个卷积
sophia_cong·2023-02-05 10:10

2 图像分类与 MMClassification笔记

通用视觉框架OpenMMLab图像分类与基础视觉模型1.图像是像素构成的数组2.图像的内容是像素整体呈现出的结果,和个别像素值没直接关联,难以遵循具体的规则设计算法3.让机器从数据中学习,收集数据、定义模型
@what12·2023-02-05 10:40

OpenMMLab 实战营打卡 - 第3课

一、MMClassficationMMClassfication已经支持大量的模型，也支持了主流的图像分类数据集。MMClassfication仓库地址：https://github.com/open-mmlab/mmclassificationMMClassfication教程地址：https://mmclassification.readthedocs.io/en/latest/MMClass
开始学AI·2023-02-05 09:08

OpenMMLab实战营打卡 - 第三课

OpenMMLab项目中的重要概念——配置文件深度学习模型的训练涉及几个
KINGjunT·2023-02-05 09:31

【OpenMMLab实战营打卡 - 第 3 课】MMClassification代码实战

修改配置文件：使用的模型，训练的数据，训练的策略等等训练数据是否固定尺寸？对早期的网络，有全连接层的神经网络，都要求指定的尺寸才能输入到全连接层中。而后续的那些没有全连接层的神经网络，可以兼容任意尺寸的图像。北京超算平台：北京超级云计算和国家重要信息化基础平台；快传：传文件SSHlinux平台的控制台Run文件夹里有300G的容量作业1：首先创建环境用anaconda创建python环境，modu
Xzavier阿威VVVV·2023-02-05 09:29

OpenMMLab实战营打卡-第3课

一、配置环境北京超算平台参加openmmlab课程的同学可以通过给出的申请二维码扫描，完善信息问卷后等待几个工作日邮箱会发送回复，还可以自己搜索“北京超级云计算中心”微信公众号，关注后回复“2”即可获取申请试算通道
enki0815·2023-02-05 09:59

openmmlab ai day2

一些训练策略比较贴切，例如讲解到的resnet训练技巧，对于后续的视觉工作有很好的启发。对自适应梯度、正则化与权重衰减等有了新的理解。其中提到的自监督学习、小样本学习等理解给了很好的启发。整体对图像分类重新巩固了概念。
shawwn98·2023-02-05 09:11

OpenMMLab Day2 图像分类及基础视觉模型

图像分类与基础视觉模型batchSize对精度没有太大影响，但是影响收敛速度少样本学习模型设计卷积神经网络AlexNet、VGG、GoogleNet残差学习：浅层网络、深层网络两个残差模块：Basicblock->Bottleneckblock。可以使损失曲面更平滑。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-11kidDJP-1675414736393)(htt
kongqi404·2023-02-05 09:39

通用视觉框架OpenMMLab图像分类与基础视觉模型

本文是基于AI实战营第二课的学习笔记什么是图像分类？给定一张图片，识别图像中的物体是什么问题的数学表示图像是像素构成的数组：∈ℝ××3对类别进行编号：香蕉→1，苹果→2，橘子→3等等，得到类别∈{1,…,}，为类别总数图像分类问题：构建一个可计算实现的函数:ℝ××3→{1,…,}，且预测结果符合人类认知机器学习的局限机器学习算法善于处理低维、分布相对简单的数据图像数据在几十万维的空间中以复杂的方式
X . Y . W·2023-02-05 09:39

OpenMMLab学习 Day2

目录图像分类什么是图像分类？视觉任务的难点机器学习的优势和局限性传统方法:设计图像特征(1990s~2000s)从特征工程到特征学习AlexNet的诞生&深度学习时代的开始GoingDeeper(2012~2014)残差学习的基本思路更强的图像分类模型神经结构搜索NeuralArchitectureSearch(2016+)VisionTransformers(2020+)ConvNeXt(202
X1ao泽OuO·2023-02-05 09:39

OpenMMLab AI 实战营day3

第三讲主要讲的是利用MMClassification进行花卉数据集的训练与推理，整体代码较为简单，但从头开始听一下还是有些不一样的感受，一些原来没搞清楚的地方有了新的了解，期待接下来MMdet和MMseg的过程，OK，搞作业去了！
Hzz的地球调查组·2023-02-05 09:39

OpenMMLab Day01

计算机视觉发展早期萌芽：图像的边缘提取统计机器学习、模式识别ImageNet深度学习时代：AlexNet文字生成图像、视觉大模型、cityNeRFOpenMMlab算法体系统一的先进底层架构、提供各个方向的经典算法复现、开箱即用MMDetection3D、MMSegmentation机器学习与神经网络简介机器学习自然语言处理、语音识别、机器视觉监督学习、无监督学习、自监督学习、强化学习机器学习中的
kongqi404·2023-02-05 09:08

OpenMMLab AI 实战营 Day 3

本节课主要内容有两部分：1、图像分类代码讲解2、超算平台的介绍和使用一个网络的训练分为几个阶段：定义数据、定义模型、模型训练、模型测试。配置文件的基本组成一个分类模型的构成：
大熊SsSsSs·2023-02-05 09:38

OpenMMLab Day03

MMClassification图像分类工具包使用环境配置文件说明深度学习模型的训练涉及几个方面：模型结构：模型有几层、每层多少通道数等等数据集：用什么数据训练模型：数据集划分、数据文件路径、数据增强策略等等训练策略：梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等运行时：GPU、分布式环境配置等等一些辅助功能：如打印日志、定时保存checkpoint等等在OpenM
kongqi404·2023-02-05 09:07

训练第一个MMClassification模型

一、MMClassification项目结构MMClassification的项目结如图如图所示，截图来自openmmlab的B站官方。
我是无名的我·2023-02-05 08:15

OpenMMLab MMClassification

OpenMMLabMMClassification基础视觉模型（MMClassification)图像分类工具包Python推理API推理工具训练工具使用MIM工具实现训练和测试环境搭建配置文件模型构建数据集构建定义数据加载流水线配置学习策略预训练模型库参考资料基础视觉模型（MMClassification)图像分类工具包Python推理API推理工具训练工具使用MIM工具实现训练和测试环境搭建配
BoBo玩ROS·2023-02-05 08:41

OpenMMlab AI实战营 打卡笔记DAY2

part1图像分类任务1.1从特征工程到特征学习机器学习算法善于处理低维、分布相对简单的数据。而图像数据在空间中具有复杂的分布，传统分类方法从图像中提取出n维的特征向量，再用机器学习的方法进行分类。提取出的特征可以简化数据的表达同时保留原始内容的重要信息。深度学习相对于传统的特征工程，从设计算法提取特征变为不仅让算法产生分类同时让算法学习如何产生特征从而有效减少了特征提取中对信息的丢失，提取出更适
harry trolor·2023-02-05 07:09

OpenMMLab AI实战营 笔记打卡 #第三课

图像分类是指从大量的图像中识别出已知的特定对象或标识，使用机器学习算法来实现这一目标，其中两个步骤是特征提取与特征分类。特征提取是指从大量图像中提取许多有用的信息，如颜色、形状等，而特征分类则使用机器学习算法（如决策树、KNN、SVM等）来将提取出的特征与已知的物体或标识进行对比，以达到最终的分类目的。mmclassification是一种具有高精度的图像分类技术，旨在为机器学习算法提供更快的训练
庆天·2023-02-05 07:09

OpenMMLab AI 实战训练营笔记 01

计算机视觉任务分类，目标定位，目标检测，分割（语义分割、实例分割），关键点检测深度学习，用深度神经网络解决数据挖掘问题。计算机视觉任务应用场景，人脸识别，车道线识别，图像生成，风格迁移，虚拟主播，视频理解与自动剪辑等……传统视觉方法，通过人工进行特征定义。深度学习，是基于数据驱动的自动特征学习，从数据中学习经验，以解决特定问题。MMCV视觉基础库，包含公用底层模块和抽象训练模块。MMDetecti
下雨了收衣服去·2023-02-05 07:31

OpenMMLab AI 实战训练营笔记 03

PyTorch简介PyTorch的基本模块MMClassificationMMClassification的项目结构图像分类模型构成config构建图像分类模型推理APIfrommmcls.apisimportinit_model,inference_modelmodel=init_model('mobilenet-v2_8xb32_in1k.py','mobilenet_v2_batch256_
下雨了收衣服去·2023-02-05 07:30

OpenMMLab 实战营打卡-第3课

本节课主要内容为MMClassification的代码编写教程。环境搭建如下Mim对应pipMac版本由于conda问题，不建议。Pytorch大致流程：Pytorch构架数据，网络，优化器，双层路实现整个流程首先定义数据，torchvision里有简单数据集fashionMNIST可以拿来用。Transform数据预处理、数据增强，传参数进去定义batch_size定义Dataloader，Da
拔丝红薯有点儿咸·2023-02-04 22:03

OpenMMLab AI实战营 课程笔记1

重要的开源框架openmmlab底层仍是pytorch，基于pytorch开发。可用MMDet顶会或前沿算法预训练模型做预测或在此基础上进行微调。
拔丝红薯有点儿咸·2023-02-04 22:33

单目深度估计自监督模型Featdepth解读（下）——openMMLab框架使用

Featdepth论文原理和核心源码，也就是模型部分，包括网络结构和损失函数计算：苹果姐：单目深度估计自监督模型Featdepth解读（上）——论文理解和核心源码分析本篇博客将介绍Featdepth使用的框架–openMMLab
苹果姐·2023-02-04 21:57

openMMLab AI实战训练营 CLASS1

目录机器学习及神经网络基础分类问题线性分类器机器学习训练步骤神经网络神经元衡量神经网络的性能：损失函数机器学习及神经网络基础机器学习就是通过海量数据驱动机器去学习、识别、拟合、归纳、挖掘监督学习：有标签自监督学习：AI自行进行标注非监督学习：无标签强化学习：机器自行适应环境分类问题把不同的数据模态转化为向量，再由这个向量去学习N维空间的决策边界和分类边界转化方法：关键词频率统计、神经网络编码然后在
方青然·2023-02-04 21:55

openmmlab classification将文件夹内训练数据写入txt文档

文件目录形式如下：mynet├──train│├──0││├──1_10026.tif││├──1_10027.tif││├──…│├──…│├──1││├──1_999.tif││├──1_9993.tif││├──…├──val│├──0││├──0_10026.tif││├──0_10027.tif││├──…│├──…│├──1││├──1_999.tif││├──1_9993.tif││
小张博士·2023-02-04 21:24

openmmlab class1

这是openmmlab实训营的第一次课，由子豪兄讲解。通过这次实训营，首先对机器学习与深度学习的概念和发展进行了系统的描述，对于其发展历史进行了回顾。通过这一环节我了解到了神经网络发展的趋势。
2301_76382275·2023-02-04 21:24

OpenMMLab实战营--第2课

今天是OpenMMLab的第二堂课，顺延昨天课程，对图像分类以及计算机视觉基础模型发展过程中的一些关键节点进行了讲解。
yalixiaozi.·2023-02-04 20:50

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。
yalixiaozi.·2023-02-04 20:18

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
千恋茉子·2023-02-04 19:12

2023.2.3 openmmlab ai训练营直播笔记（未美化条理完整）

mmcls理论、答疑、布置作业、超算平台使用定义数据、数据预处理、基于dataset，做dataload做采样；写模型（nn.module），前传计算图devicecuda传入gpu计算；optimizer优化模型参数；写函数train内层循环，遍历数据集，前传预测概率，做损失，再反向传播算梯度，写logs还有一个外层的t为参计数的循环并且要把模型训练好的参数存储文件.pth；应用于新数据集的部署
千恋茉子·2023-02-04 19:42

OpenMMLab

OpenMMLab计算机视觉与OpenMMLab开源算法体系计算机视觉：研究如何让计算机自动理解图像和视频中的内容计算机视觉解决的三大问题：分类、检测、分割OpenMMLab：计算机视觉开源算法体系机器学习和神经网络简介机器学习详细笔记机器学习基础机器学习
XinrZhou·2023-02-04 19:21

通用视觉框架OpenMMLab

[DAY1]计算机视觉基础与OpenMMLab入门一、计算机视觉任务1.定义计算机视觉是一门让计算机学会"看"的学科，研究如何自动理解图像和视频中的内容2.任务分类分类目标检测语义分割：对每个像素实力分割
chenmojia·2023-02-04 19:51

＜OpenMMLab实战营第二讲＞ 图像分类与基础视觉模型

第二讲是王若晖博士讲解，内容依然是简介和理论。目录一、图像分类的数学表示二、VisionTransformers1、注意力机制AttentionMechanism2、实现Attention3、多头注意力三、学习率与优化器策略1、权重初始化（i）随机初始化（ii）用训练好的模型（通常基于ImageNet数据集）进行权重初始化2、学习率策略：学习率退火Annealing3、学习率策略：学习率升温War
努力码代码的菜鸟·2023-02-04 18:31

OpenMMLab实战营第二讲

1图像分类的数学表示设计一个函数，以图像X\mathbf{X}X为输入，输出该图像X\mathbf{X}X属于各个类别的概率P\mathcal{P}P，概率最大的那个分布即最终答案。2VisionTransformer2.1注意力机制2.2实现Attention2.3多头注意力3学习率与优化器策略3.1权重初始化随机初始化用训练好的模型进行初始化3.2学习率退火Annealing3.3学习率升温W
wine_dionysus·2023-02-04 18:28

openmmlab第二次课程随记

感想第二次课程：本次课程主要聚焦于图像分类算法，详细介绍了AI算法和传统图像算法的特点，从演变历史和实现方式等方面告知了我们AI算法的巨大优势。之后从算法原理——卷积神经网络入手，解释了早期实用的卷积神经网络架构，例如AlexNet、GoingDeeper等，再此基础之上，为解决卷积神经网络过深梯度消失等问题，又介绍了卷积神经网络的演变版本——残差网络、Transformers、轻量化卷积等模型。
m0_52154064·2023-02-04 18:58

OpenMMLab第二课笔记

图像分类计算机视觉里面最基础的一个任务，给定一张图片，识别图像中的物体是什么监督学习:标一些数据，然后定义损失函数去衡量模型给出的预测是好还是坏，基于损失函数调整参数，降低损失函数的值去寻找最优的参数值缺点:需要大量标注好的数据集自监督学习:直接训练网络同样的模型，训练的方法不一样，得到的结果也不一样学习率与优化器策略初始化学习率退火学习率升温数据增强几何变换色彩变换随机遮挡
m0_61085818·2023-02-04 18:58

OpenMMLab AI 实战第二课笔记

一、基本介绍本节课主要是讲了一些图像分类的内容和基础的视觉模型，那我们马上开始吧。我们做图像分类，首先就是要先明确图像分类是什么——就是给定一张图片，让计算机自己识别图片中的物体是什么，并输出。计算机中输入的图像一般是数字图像，即由许多数字构成的矩阵，每一个数值代表一个像素值，一般灰度图像有单个通道，彩色图像有三个通道（RGB），所以在计算机中，图像的内容是所有的像素整体呈现的结果。一般的机器学习
黎小娅·2023-02-04 17:57

OpenMMLab 实战营打卡 - 第 三 课

图像分类代码实战与超算平台介绍目录一、图像分类工具包MMClassification1.MMClassification介绍（1）Python推理API（2）推理工具&训练工具（3）使用MIM工具实现训练和测试2.软件环境二、北京超级云计算中心1.中心介绍2.平台简介三、花卉分类1.环境搭建（1）加载anaconda，创建⼀个python3.8的环境。（2）torch安装（3）安装mmcv-ful
苦瓜汤补钙·2023-02-04 17:57

OpenMMLab 实战营打卡 - 第 二 课

目录（二）计算机视觉之图像分类算法基础课程链接：计算机视觉之图像分类算法基础一、图像分类与基础视觉模型1.超越规则，让机器从数据中学习2.AlexNet的诞生&深度学习时代的开始神经结构搜索NeuralArchitectureSearch（2016+）VisionTransformers(2020)ConvNeXt（2022）二、模型学习1.模型学习范式三、MMClassification（二）计
苦瓜汤补钙·2023-02-04 17:27
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他