OpenMMLab学习笔记
计算机视觉与OpenMMLab 开源算法体系
计算机视觉是什么
实际应用 :图像识别，自动驾驶，动漫特效，航拍转地图（图像生成），虚拟主播（元宇宙等），视频理解与自动剪辑等。
计算机视觉的发展
时至今日：新方向
OpenMMLab
MMLab发展历史
MMLab总体现状
总体架构概览
算法训练-部署一体化
算法框架介绍-MMDetection
算法框架介绍-MMDetection3D
算法框架介绍-MMClassification
算法框架介绍-MMSegmentation
算法框架介绍-MMPose & MMHuman3D
算法框架介绍-MMTraking
算法框架介绍-MMAction2
算法框架介绍-MMOCR
算法框架介绍-MMEditing
架构优势
通用：强大的训练器
统一：模块抽象
统一：训练流程
统一：数据接口
全球范围影响力
行业应用案例
深度学习算法基础
从感知机到神经网络
神经网络
DeepNeuralNetwork
神经网络的激活函数
第一步：线性回归
第二步：激活
Feedforward NN
PS：激活函数可以每一层都不同。
神经网络是DL的有效方法
PS：大量的矩阵运算需要GPU加速。
神经网络的输出层
Deep = many hidden layer
BP反向神经网络算法
回到深度学习三步走
如何评价性能好坏
用损失函数来衡量NN的好坏
损失函数/代价函数
MMClassification 介绍与代码实践
MMClassification 代码实践2
目标检测
-
计算机视觉与OpenMMLab 开源算法体系
-
计算机视觉是什么
-
计算机视觉的发展
-
OpenMMLab
- MMLab发展历史
- MMLab总体现状
- 总体架构概览
- 算法训练-部署一体化
- 算法框架介绍-MMDetection
- 算法框架介绍-MMDetection3D
- 算法框架介绍-MMClassification
- 算法框架介绍-MMSegmentation
- 算法框架介绍-MMPose & MMHuman3D
- 算法框架介绍-MMTraking
- 算法框架介绍-MMAction2
- 算法框架介绍-MMOCR
- 算法框架介绍-MMEditing
- 架构优势
-
全球范围影响力
-
行业应用案例
-
深度学习算法基础
-
从感知机到神经网络
-
神经网络
- DeepNeuralNetwork
- 神经网络的激活函数
- Feedforward NN
- 神经网络是DL的有效方法
- 神经网络的输出层
- Deep = many hidden layer
-
BP反向神经网络算法
- 回到深度学习三步走
- 如何评价性能好坏
- 用损失函数来衡量NN的好坏
- 损失函数/代价函数
-
神经网络
- MMClassification 介绍与代码实践
- MMClassification 代码实践2
- 目标检测
-
从感知机到神经网络
-
行业应用案例
-
OpenMMLab
-
计算机视觉的发展
-
计算机视觉是什么