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