OpenMMLab介绍

看了第一次的直播课程中，因为不是研究这个领域的，但是近期有可能会涉猎CV，所以打算学习一波。

关于OpenMMLab,是一个开放源代码项目，旨在推动机器学习和计算机视觉领域的发展。该项目由多个库构成，包括MMDetection、MMCV、MMSegmentation等，这些库提供了一系列的算法和预训练模型，支持各种计算机视觉任务，例如图像分类、目标检测、图像分割和姿态估计等。

第一次课介绍了各种训练模型：

MMDetection是一个目标检测算法库，无论在学术还是工业领域都有广泛的应用。其大量的预训练模型可以立即使用，极大地提高了其便利性。

MMYoLo是另一个目标检测算法库，主要用于目标检测和实例分割。

MMOCR是一个文本检测和识别算法库，具有文本检测、字符识别和关键信息提取等功能。

MMDetection3D是一个3D目标检测算法库，在自动驾驶领域有许多应用。

MMRotate是一个独特的，有方向性的目标检测算法库。例如，它可以检测道路上的汽车，并准确地定位他们，使用准确的车辆轮廓。

MMSegmentation是一个图像分割算法库，用于语义分割，应用场景包括街景、自动驾驶、卫星图像、医疗诊断等。

MMPretrain集合了图像分类、预训练和多模态算法。它覆盖了图像分类、图像描述、视觉问题回答、视觉定位、检索等，并包含了各种自监督策略、对比学习、掩码学习和前端多模态算法，同时提供了详细的文档。

MMPose是一个姿态估计算法库，可以检测人脸、身体、手、动物、衣服等的关键点。

MMHuman3D是一个3D人体姿态估计算法库。它使用3D数字人来拟合真人，在动作捕捉和虚拟现实场景中被使用。

MMAction2是一个视频动作识别算法库，具有行为识别、时序动作检测和时空动作检测等功能。

MMagic结合了生成模型、底层视觉和AIGC算法。它的应用包括AI绘画、图像去噪、超分辨率、帧插补和图像修复等。

只有训练模型是不够的；模型部署是至关重要的，同时也面临着诸如实时快速响应、本地端点、硬件多样性、计算能力弱、数据隐私等挑战。

MMDeploy是用于模型部署的工具箱，帮助将前述训练模型转换并部署成通用的应用。

这个是新的领域，所以需要花更多时间查阅资料，最好能配合一些代码实践。