目录

  • 一. Computer Vision Tasks
  • 二. MMCV简介
    • MMCV 支持以下的系统
  • 三. 计算机视觉的主要应用
  • 四.计算机视觉的发展
  • 五.深度学习时代最完整的计算机视觉开源算法体系
    • OpenMMLab总体现状
    • OpenMMlab总体架构

一. Computer Vision Tasks

主要包括分类、检测和分割。Localization(把目标图像框出来)。对像素进行识别(语义分割)。
像素力度的挖掘。

二. MMCV简介

MMCV 是一个面向计算机视觉的基础库,它支持了很多开源项目,例如:
MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
MMClassification: OpenMMLab 图像分类工具箱
MMDetection: OpenMMLab 目标检测工具箱
MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
MMSegmentation: OpenMMLab 语义分割工具箱
MMOCR: OpenMMLab 全流程文字检测识别理解工具箱
MMPose: OpenMMLab 姿态估计工具箱
MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
MMRazor: OpenMMLab 模型压缩工具箱与测试基准
MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
MMAction2: OpenMMLab 新一代视频理解工具箱
MMTracking: OpenMMLab 一体化视频目标感知平台
MMFlow: OpenMMLab 光流估计工具箱与测试基准
MMEditing: OpenMMLab 图像视频编辑工具箱
MMGeneration: OpenMMLab 图片视频生成模型工具箱
MMDeploy: OpenMMLab 模型部署框架
具体介绍: OpenMMlab官方文档

MMCV 支持以下的系统

Linux
Windows
macOS
MMCV 需要 Python 3.6 以上版本。

三. 计算机视觉的主要应用

  1. 微信扫一扫识物
  2. 人脸识别
  3. 自动驾驶
  4. 动漫特效
  5. 航拍地图
  6. 视频理解/虚拟主播等等

四.计算机视觉的发展

#mermaid-svg-sP6aQ1NFBJLfl2By {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By .error-icon{fill:#552222;}#mermaid-svg-sP6aQ1NFBJLfl2By .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-sP6aQ1NFBJLfl2By .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-sP6aQ1NFBJLfl2By .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-sP6aQ1NFBJLfl2By .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-sP6aQ1NFBJLfl2By .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-sP6aQ1NFBJLfl2By .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-sP6aQ1NFBJLfl2By .marker{fill:#333333;stroke:#333333;}#mermaid-svg-sP6aQ1NFBJLfl2By .marker.cross{stroke:#333333;}#mermaid-svg-sP6aQ1NFBJLfl2By svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-sP6aQ1NFBJLfl2By .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By .cluster-label text{fill:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By .cluster-label span{color:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By .label text,#mermaid-svg-sP6aQ1NFBJLfl2By span{fill:#333;color:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By .node rect,#mermaid-svg-sP6aQ1NFBJLfl2By .node circle,#mermaid-svg-sP6aQ1NFBJLfl2By .node ellipse,#mermaid-svg-sP6aQ1NFBJLfl2By .node polygon,#mermaid-svg-sP6aQ1NFBJLfl2By .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-sP6aQ1NFBJLfl2By .node .label{text-align:center;}#mermaid-svg-sP6aQ1NFBJLfl2By .node.clickable{cursor:pointer;}#mermaid-svg-sP6aQ1NFBJLfl2By .arrowheadPath{fill:#333333;}#mermaid-svg-sP6aQ1NFBJLfl2By .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-sP6aQ1NFBJLfl2By .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-sP6aQ1NFBJLfl2By .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-sP6aQ1NFBJLfl2By .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-sP6aQ1NFBJLfl2By .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-sP6aQ1NFBJLfl2By .cluster text{fill:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By .cluster span{color:#333;}#mermaid-svg-sP6aQ1NFBJLfl2By div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-sP6aQ1NFBJLfl2By :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}

早起萌芽1960-1980
统计机器学习与模式识别
视觉特征
ImageNet大型数据集
#mermaid-svg-CjttOltCM4CrPtHY {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-CjttOltCM4CrPtHY .error-icon{fill:#552222;}#mermaid-svg-CjttOltCM4CrPtHY .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-CjttOltCM4CrPtHY .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-CjttOltCM4CrPtHY .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-CjttOltCM4CrPtHY .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-CjttOltCM4CrPtHY .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-CjttOltCM4CrPtHY .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-CjttOltCM4CrPtHY .marker{fill:#333333;stroke:#333333;}#mermaid-svg-CjttOltCM4CrPtHY .marker.cross{stroke:#333333;}#mermaid-svg-CjttOltCM4CrPtHY svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-CjttOltCM4CrPtHY .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-CjttOltCM4CrPtHY .cluster-label text{fill:#333;}#mermaid-svg-CjttOltCM4CrPtHY .cluster-label span{color:#333;}#mermaid-svg-CjttOltCM4CrPtHY .label text,#mermaid-svg-CjttOltCM4CrPtHY span{fill:#333;color:#333;}#mermaid-svg-CjttOltCM4CrPtHY .node rect,#mermaid-svg-CjttOltCM4CrPtHY .node circle,#mermaid-svg-CjttOltCM4CrPtHY .node ellipse,#mermaid-svg-CjttOltCM4CrPtHY .node polygon,#mermaid-svg-CjttOltCM4CrPtHY .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-CjttOltCM4CrPtHY .node .label{text-align:center;}#mermaid-svg-CjttOltCM4CrPtHY .node.clickable{cursor:pointer;}#mermaid-svg-CjttOltCM4CrPtHY .arrowheadPath{fill:#333333;}#mermaid-svg-CjttOltCM4CrPtHY .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-CjttOltCM4CrPtHY .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-CjttOltCM4CrPtHY .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-CjttOltCM4CrPtHY .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-CjttOltCM4CrPtHY .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-CjttOltCM4CrPtHY .cluster text{fill:#333;}#mermaid-svg-CjttOltCM4CrPtHY .cluster span{color:#333;}#mermaid-svg-CjttOltCM4CrPtHY div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-CjttOltCM4CrPtHY :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}

初有成效的视觉系统
深度学习时代
开源称为发展引擎

五.深度学习时代最完整的计算机视觉开源算法体系

OpenMMLab总体现状

  1. 提供统一先进的底层架构
  2. 覆盖计算机视觉众多方向
  3. 提供最经典、前沿的算法支持
  4. 提供统一的基准和开箱即用的工作

OpenMMlab总体架构

OpenMMLab 实战营打卡 - 第 1 课相关推荐

  1. OpenMMLab 实战营打卡 - 第 四 课 目标检测算法基础

    (四)计算机视觉之目标检测算法基础 目录 前言 一.目标检测是什么? 1.目标检测VS图像分类 2.检测最朴素方法--滑窗 Sliding Window (1)滑窗的效率问题 (2)改进 3.目标检测 ...

  2. 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 ...

  3. AI基础实战营打卡笔记

    AI基础实战营打卡笔记 20230201第一天(计算机视觉之算法基础鱼OpenMMLab入门)-张子豪 20230202第二天(计算机视觉之图像分类算法基础)-王若晖 20230203第三天(计算机视 ...

  4. OpenMMLab AI实战营第二期|人体关键点检测与MMPose学习笔记

    OpenMMLab AI实战营第二期|人体关键点检测与MMPose学习笔记 文章目录 OpenMMLab AI实战营第二期|人体关键点检测与MMPose学习笔记 一.前言 1.1 人体姿态概述 1.2 ...

  5. AI实战营第二期——课程目录

    AI实战营第二期 第一节 AI实战营第二期 第一节<姿态估计与MMPose> 课程链接:https://www.bilibili.com/video/BV1kk4y1L7Xb/ 课程说明: ...

  6. OpenMMLab-AI实战营第二期——4-1.目标检测与MMDetection

    文章目录 1. 目标检测的基本范式 1.0-1 目标检测简介 1.0-2 基本概念 1.1 滑窗 1.1.1 滑窗基本思想 1.1.2 滑窗效率问题改进 1.1.3 感受野计算 1.2-1 使用卷积实 ...

  7. 百度EasyDL深度学习实战营,免费教你转型AI工程师!

    新型冠状病毒的疫情动态牵动着每个人的心,在当下疫情控制阶段,AI技术的应用也正在为抗疫贡献自己的力量. 百度飞桨联合百度技术学院正式加推"EasyDL深度学习实战营"系列直播课,免 ...

  8. 上海 · 百度语义分割Pro沙龙,高性能深度学习实战营

    如同拥有"火眼金睛"般的工业质检机器人,正在作为工业领域的热点话题被大众所熟知.它因为能有效解决人工质检成本高.效率低.无法保证准确率的问题,成为实现智能制造的重要推手.想了解其中 ...

  9. 【乘风破浪的开发者】丁一超:从AI实战营出发探索未知的AI世界

    摘要:从年初的不知不觉进入AI学习的道路,到认识并熟练使用ModelArts平台.虽然只有短短的半年,但这半年的探索学习,让丁一超看清了未来的路在何方. 从招聘网站上输入"人工智能工程技术人 ...

最新文章

  1. android控件之TextView(一)
  2. 04 - Object-C协议与代理设计
  3. Ethereal使用入门
  4. 嵌入式软件设计第8次实验报告-140201235-陈宇
  5. Android构建流程——篇五
  6. bzoj 1597 土地购买
  7. 用python做生物信息数据分析_基于Python的自动获取生物信息数据的软件设计
  8. 使用datareader检索数据
  9. UE如何去除重复行,删除重复行
  10. python——pandas库之DataFrame数据结构基础
  11. php安装sg11扩展,Centos下安装SG11加密扩展插件
  12. VS2017+Opencv3.3+Opencv_contribute编译
  13. 模仿QZONE挂图效果
  14. 怎样在计算机桌面上安装驱动器,驱动安装好了却不知该怎么查看 如何找到驱动安装的位置 - 驱动管家...
  15. 机器学习之------信号处理(入门原理)
  16. stata陈强:计量经济学及stata应用_陈强 第四章 一元线性回归
  17. GH4199变形合金
  18. Ubuntu Desktop LTS - 快速显示桌面
  19. 【debug】Support for password authentication was removed on August 13, 2021.解决
  20. c语言猴子吃桃问题(简洁做法)

热门文章

  1. iOS RAC 的使用总结 (转载)
  2. 清华大学计算机学院电话,清华大学
  3. CUDA out of memory 解决办法
  4. 什么模式下不可使用曝光补偿_到底什么拍摄模式下才能用曝光补偿功能?
  5. 第十一章.软件工程(下)
  6. 液晶电视工作原理(转)
  7. 第二次作业——微信案例分析
  8. UGC、PGC、OGC、PUGC、MGC了解学习
  9. linux 常用命令手册
  10. 影像组学——一个入门级汇报