- 博客(11)
- 收藏
- 关注
RSS订阅原创 底层视觉与MMEditing
MMEditing是一个基于PyTorch的开源图像处理工具包，主要用于高级别的图像编辑任务，如图像分割、图像修复、图像生成等。虽然MMEditing主要关注高级别的任务，但是许多底层视觉任务也可以在MMEditing中找到对应的模块。底层视觉（Low-level vision）是指图像处理中的一类任务，包括图像增强、去噪、超分辨率、色彩校正等。这些任务通常处理的是低级别的图像信息，例如像素级别的特征，因此被称为“底层”视觉。底层视觉的任务是在不改变图像的语义信息的前提下，尽可能地提高图像质量。
2023-06-15 00:18:44
727
1
原创 语义分割与MMSegmentation
语义分割是计算机视觉领域中一项重要的任务，旨在将图像中的每个像素分配给不同的语义类别。近年来，随着深度学习的发展，基于深度卷积神经网络的语义分割方法取得了巨大的进展。MMSegmentation是一个强大的开源语义分割工具包，为研究人员和开发者提供了丰富的模型架构和训练工具。
2023-06-14 22:02:28
420
原创 目标检测与MMDetection
MMDetection是一个基于深度学习的目标检测开源框架，由香港中文大学视觉与多媒体实验室（CUHK）开发。MMDetection支持多种目标检测算法，包括Faster R-CNN、Mask R-CNN、RetinaNet、Cascade R-CNN等，可以在不同的数据集上进行训练和测试。MMDetection还提供了丰富的工具和函数，方便用户进行模型训练、测试和部署等相关工作。MMDetection是一个高效、易用、可扩展和灵活的目标检测开源框架，可以帮助用户快速搭建和训练目标检测模型。
2023-06-11 17:17:23
434
原创 MMDetection代码教程
本视频为MMDetection代码教程，详细介绍了目标检测和模型查询的流程，包括环境安装、数据集准备、训练测试及推理的全流程，并探讨了目标检测新的发展方向。
2023-06-11 17:10:28
156
1
原创 RTMPose关键点检测实战
本次课程提供了详细的安装、训练、推理全流程以及大量的代码资源，同时提出新发现的问题，即预测关键点的点云概率出现了等间距的虚影。理论指导实践，实践也会反馈完善理论。对于数据集的标注，虽然没有亲自上手体验，但是提供的数据集和代码有着几乎固定的格式，这让每个部分相互独立，又相互依赖。通过做作业，感觉对OpenMMLab的环境搭建和基本训练和推理流程有了更深的理解和掌握。这也是学习的目的和作用。对于改进模型等更高级的玩法，我在别的库体验过，总的来说，这次的学习还是很有收获，继续加油。工具好用，不能驾驭也是不行。
2023-06-03 21:47:37
666
原创 OpenMMLab-AI实战营第一课学习笔记
本文不仅仅是对视频内容的总结，还包含了我与OpenMMLab的故事（以一个研究生的视角）。深度学习的发展可以追溯到20世纪50年代的感知机模型，但是由于其限制和性能问题，深度学习的发展一度停滞。直到20世纪80年代，反向传播算法的提出使得深度学习重新焕发生机。但是，由于计算能力和数据量的限制，深度学习的应用仍然受到很大的限制。随着计算机性能和数据量的快速增长，深度学习在21世纪初开始进入快速发展期。
2023-06-01 13:49:41
799
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人