OpenMMLab 第一课

最新推荐文章于 2026-08-19 13:57:30 发布
原创 最新推荐文章于 2026-08-19 13:57:30 发布 · 216 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
作者参加了AI实战营，从Python和PyTorch学习到目标检测与语义分割，通过OpenMMLab进一步了解多种检测算法。在MMDeploy框架下，期望深化计算机视觉知识，尤其是Yolov5等算法的掌握。

5月31日第一次参加AI实战营第二期，今年开始接触神经网络学习，从python到pytorch的学习，后来有幸接触到极市平台，通过参与目标检测、语义分割的培训学习，初步了解这方面的使用，这次参与OpenMMLab希望能获得更多的学习。

第一次课程，认识到很多大佬，感觉挺不错，在子豪兄的介绍，初步对OpenMMLab有了个初步认识，感觉OpenMMLab可以实现多种检测算法，之前在极市平台也学习了yolov5、linkNet、hrNet、PSPNET等算法，算是大概摸了一下计算机视觉方面的皮毛，当时为了能通过算法和排名，也摸了很长一段时间，感觉目前也暂时未能入门，希望在这次学习，能有个更深入的学习。

OpenMMLab部署框架为MMDeploy

 

标签
#人工智能 #计算机视觉
xiaohui_82
关注
OpenMMLab第一课
u013216542的博客
02-01 251
OpenMMLab课程内容学习第一天。
OpenMMLab-第一课
weixin_45233468的博客
06-01 336
OpenMMLab是一款面向计算机视觉领域的开源算法库，提供著名的检测算法和OCR任务等多个代码库，是开发者学习和创新的重要资源。同时，OpenMMLab支持高效部署，能够使得算法更好转化为实际应用。
OPENMMLAB第一课
qq_41645426的博客
06-01 149
5月31日第一次参加AI实战营第二期，作为一个大龄新人，因为对计算机这一方面的内容好奇，所以参加学习。年轻人都有精神，有工作有家庭的人，就是学得一个好奇，努力看能不能完成任务！第一次课程，初步对OpenMMLab有了个初步认识，如果可以切实的落地操作，下一步就是跟小年轻们一样，去尝试一下算法竞赛啥的，哈哈哈，36岁的老头子，竟然有一点点兴奋。开始接触神经网络学习很久了，理论了解很多，但实践经验基本就是无。看周末，我要开始操作了哈！平常上班，人家还是要给老板好好打工赚奶粉钱的！
openmmlab AI实战营第二期第一课 openmmlab 综述
weixin_42567071的博客
06-01 311
无论身处什么领域，都可以站在OpenMMLab巨人肩膀上，使用开箱即用的模型开发自己的人工智能项目首推的就是目标检测算法库MMDetection，它可以解决目标检测实例分割全景分割和目标追踪任务这是OpenMMLab在业界最有影响力的算法库，在github上有多达2万+starOpenMMLab是开源算法体系，它已经提供了各个计算机视觉方向的大量开箱即用的预训练模型和算法。也就是说OpenMMLab的算法研究员已经帮我们把这些cv任务的常见算法都现好了！
OpenMMLab第一课总结
欲买桂花同载酒
02-02 241
OpenMMLab第一课总结
openmmlab实战第一课总结
qq_38202538的博客
02-02 115
openmmlab整体介绍、计算机视觉和机器学习、深度学习的联系
OpenMMLab实战营第一课
weixin_48954194的博客
05-31 264
OpenMMLab实战营第一课总结
OpenMMLab训练营第一课
fqgan的博客
02-02 115
介绍了一些机器学习的概念，和神经网络的常见的层。
OpenMMLab AI实战第一课笔记
weixin_47951454的博客
02-02 250
通用视觉框架OpenMMLab AI实战第一课笔记
OpenMMLab实战营第一课打卡
weixin_44034851的博客
02-02 247
openmmlab实战营第一课打卡记录
OpenMMLab第一课笔记
m0_61085818的博客
02-02 271
OpenMMLab
OpenMMLab-AI实战营第一课学习笔记
qq_44798533的博客
06-01 837
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。
第一课了解openmmlab
m0_63368228的博客
06-02 847
视频动作识别算法库MMAction2，输入一段视频，ai给出视频中的人正在做什么，而这通过单帧画面没法充分反映出来的，需要上下帧和时间序列；图像分割算法库MMSegmentation，特别是语义分割，在街景、无人驾驶遥感图像医疗领域很重要，即给每一个像素进行分类，可以用它来识别医疗影像中的病灶区域、机械中寿命预测等。图像分类+预训练+多模态算法库MMPretrain，可以实现图像分类（分类，取概率最高者）、图像描述（ai文字描述）、视觉问答、视觉定位（识别物体并框选、视觉检索。
openmmlab第一课
frighting_ing的博客
02-02 197
计算机视觉从传统学习演变到如今深度学习网络，传统的计算机视觉主要是以特征工程为主，后来随着AlexNet的诞生，打破了传统特征工作的研究，进而神经网络模型得到快速发展，在计算机视觉分类、目标检测、语义分割和实例分割等几类发展较快，已经成功应用于各个领域。
【OpenMMLab实战营】第一课笔记
weixin_54763178的博客
05-31 203
5月31日晚上七点，OpenMMlab开营了。之后的一个小时，是子豪大牛介绍各种基于OpenMMLab里的开源库做的下游应用，有很多都十分有意思，是自己未曾设想的，让人耳目一新，大开眼界，比如说耳朵的穴位识别和运动躲闪小游戏，都十分引人入胜，不禁让我期待起，之后自己是否也能基于这如此丰富又易用的开源算法做出一些有意思的小应用来。这节课还未结束，我已经期待起之后的课程了。‘好玩’是我目前对它的初印象。明天是儿童节，祝大家儿童节快乐，不泯童心。
83.85% vs 17.91%：FormStruct-Bench 揭开表单解析的错觉
最新发布
liferecords的博客
08-19 384
文章摘要 FormStruct-Bench论文提出了一个针对表单类文档结构识别的新型分层评测基准，解决了传统方法在结构化评估上的不足。研究团队通过"导演-美术-质检"的合成流程构建了7,000个带精确标注的表单实例，并设计了分层评估指标，包括内容读取(Value-nED)、结构重建(Schema-nED)和路径正确率(TSR-path)等。实验结果显示，当前最佳系统在内容读取上达到83.85%，但结构路径正确率仅17.91%，区域检测和关系识别指标更低。研究表明，视觉退化主要影响结构绑定而非内容识别，且合成
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值