关键词：
本篇文章为OpenMMLab AI实战营打卡笔记，想要具体了解可以跳转课程视频：语义分割算法基础
目录
语义分割
这节课对语义分割算法做了详细的介绍，先介绍了什么是语义分割，接着从语音分割的基本思路出发，引出问题与解决方案，具体介绍了全卷积网络、空洞卷积与DeepLab模型、上下文信息与PSPNet模型等内容，最后就分割模型的评估方法做了讲述。
关于语义分割的基础知识可以通过学习沐神的《动手学深度学习》第13章计算机视觉中的13.9.语义分割和数据集-13.11.全卷积网络 小节进行学习，与视频搭配食用效果更加。
1. 语义分割基本思路
2. 深度学习下的语义分割模型
3. 分割模型的评估方法
4. 语义分割算法总结
openmmlab实战营打卡-第六课语义分割(代码片段)
（六）什么是语义分割？把像素进行分类。OpenMMLabAI实战营第6课文章目录前言一、什么是语义分割？语义分割的应用语义分割vs实例分割vs全景分割 二、语义分割的基本思路1.按颜色分割 2.逐像素分类3.改进：... 查看详情
openmmlabai实战营——学习笔记
（一）计算机视觉算法基础与OpenMMLab介绍一、计算机视觉基础1.ComputerVisionTasks 机器视觉（又名计算机视觉），计算机视觉是一门让计算机学会"看"的学科，通过计算机算法对图像或视频信息进行... 查看详情
openmmlab实战营打卡-第6课
OpenMMLab语义分割语义分割什么是语义分割应用语义分割vs实例分割vs全景分割基本思路语义分割算法总结模型评估参考资料语义分割什么是语义分割任务：将图像按照物体的类别分割成不同的区域等价于：对每个像素进行... 查看详情
openmmlab实战营打卡-第6课
本节内容： 语义分割理论课语义分割的算法概述和技术演进、常见的一些技巧和算法什么是语义分割？表面上是图像语义分割，实际上是把像素粒度进行图像分类（细粒度，逐像素），特别应用在... 查看详情
openmmlabai实战营学习笔记day--目标检测基础知识及评估方法
本次课程，仍然是由王若晖老师进行讲解，中间的答疑部分由张子豪（B站同济子豪兄）进行答疑讲解。课程链接，也可以直接打开哔哩哔哩，搜索OpenMMLab，在其主页可以观看。目标检测什么是目标检测... 查看详情
openmmlab实战营打卡-第7课
OpenMMLabMMSegmentation内容概要MMSegmentation统一超参MMSegmentation的项目结构分割模型的模块化设计分割模型的配置文件主干网络的配置ResNetv1c主解码头的配置辅助解码头的配置数据集配置数据处理流水线常用训练策略参考资料内容概要... 查看详情
openmmlab实战营打卡-第5课(代码片段)
OpenMMLab实战营打卡-第5课注：本博客仅用于个人上课随手笔记计算机视觉之目标检测代码教学一、上课笔记1.mmdetection主要任务：可以进行目标检测，实例分割和全景分割。检测器detector主要结构：backbone:主干特征... 查看详情
openmmlabai实战课笔记
1.第一节课1.1计算机视觉任务计算机视觉主要实现以下目标：分类目标检测分割：语义分割、实例分割(对像素进行精确分类,像素粒度或细粒度)关键点检测1.2OpenMMLab框架框架选择：PyTorchOpenMMLab是基于PyTorch开发的codebase... 查看详情
openmmlab实战营打卡-第5课
本节内容： 本节课为代码实践课MMDetection项目概览MMDetection运行环境搭建（基于Openbayes计算平台）使用MMDetection进行模型推理使用MMDetection训练模型，检测图像中水果MMDetection是用于做目标检测的工具包，首... 查看详情
openmmlabai实战课笔记--第2节课
OpenMMLabAI实战课笔记--第2节课1.第二节课(图像分类)1.1深度学习模型1.2网络进化过程1.3ResNet（残差网络）1.4卷积的参数量1.5卷积的计算量（乘加次数）1.6降低模型参数量和计算量的方法1.7可分离卷积1.8注意力机制Atte... 查看详情
openmmlab实战营打卡-第五课(代码片段)
（五）MMDetection代码教学AI实战营第五课！最热门的目标检测工具箱MMDetection来啦！本节课为如何使用MMDetection训练自己的模型！链接5MMDetection代码教学_哔哩哔哩_bilibili目录一、目标检测工具包MMDetection1.支持的... 查看详情
openmmlab实战营打卡-第三课(代码片段)
图像分类代码实战与超算平台介绍目录一、图像分类工具包MMClassification1.MMClassification介绍 （1）Python推理API （2）推理工具&训练工具 （3）使用MIM工具实现训练和测试2.软件环境二、北京超级云计算... 查看详情
openmmlab实战营打卡-第5课
OpenMMLabMMDetectionMMDetectionMMDetection可以做什么MMDetection环境搭建两阶段检测器的构成单阶段检测器的构成RetinaNet模型配置–主干网络RetinaNet模型配置–颈部RetinaNet模型配置–bboxhead1RetinaNet模型配置–bboxhead2在MMDetection中配置COCO数据... 查看详情
openmmlab实战营打卡-第二课
目录（二）计算机视觉之图像分类算法基础课程链接：计算机视觉之图像分类算法基础一、图像分类与基础视觉模型 1.超越规则，让机器从数据中学习2.AlexNet的诞生&深度学习时代的开始神经结构搜索NeuralArchite... 查看详情
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SlidingWindow（1）滑窗的效率问题（2）改进3.目标检测的基本范式4.目标检测技术的演... 查看详情
openmmlab实战营打卡-第4课
OpenMMLab目标检测目标检测滑窗滑窗的效率问题在特征图上进行密集预测目标检测技术的演进参考资料目标检测滑窗设定一个固定大小的窗口遍历图像所有位置，所到之处用分类模型（假设已经训练好）识别窗口中的内... 查看详情
打卡笔记7
每一个像素进行二分类和或多分类HRnet不降采样，不损失空间信息使用模型:config和checkpoint权重作业，单类别的语义分割、也有多分类的单张图像运用训练好的模型，config、checkpoint、outfile、device、opacityResult：每个... 查看详情
学习打卡07可解释机器学习笔记之shape+lime代码实战(代码片段)
可解释机器学习笔记之Shape+Lime代码实战文章目录可解释机器学习笔记之Shape+Lime代码实战基于Shapley值的可解释性分析使用Pytorch对MNIST分类可解释性分析使用shap的DeepExplainer进行可视化使用Pytorch对预训练ImageNet图像分类可解... 查看详情