2022年10月，由上海交通大学学生创新中心联合商汤科技与上海人工智能实验室联合打造的 《OpenMMLab实践公开课》 圆满结课。
本课程兼顾理论与实践，内容涵盖计算机视觉中的分类、检测、分割等基础问题，并结合OpenMMLab代码库讲解了图像生成、字符识别、目标追踪、人体姿态估计等多个方向的有趣案例，覆盖数据标注、模型训练、模型部署的模型生产全流程。
为方便更多同学学习，我们将课程资料公开，关注OpenMMLab或商汤学术微信公众号，回复关键词即可收获课程PPT
| 讲座内容 | 讲座视频 | 课程中的代码 |
|---|---|---|
| 计算机视觉与OpenMMLab 开源算法体系 |  |
|
| 深度学习算法基础 |  |
|
| 上海交大学生创新中心人工智能实训平台介绍 |  |
|
| 图像分类 从特征工程到特征学习 模型设计 卷积神经网络 轻量化卷积神经网络 Vision Transformers 模型学习与训练技巧 学习率与优化器策略 数据增强 自监督学习简介 |
 |
|
| MMClassification 介绍与代码实践 |  |
使用预训练模型进行推理 训练自己的图像分类器 |
| 目标检测 从滑窗到密集预测范式 目标检测中的基本概念 两阶段目标检测算法 单阶段目标检测算法 无锚框目标检测算法 Detection Transformers 检测器的评估方法 |
 |
|
| MMDetection 介绍与代码实践 |  |
使用预训练模型进行推理 认识模型中的模块 训练自己的检测器 |
| 数据集采集与标注、LabelBee工具介绍 |  |
|
| 模型部署与 MMDeploy 实践 |  |
|
| 语义分割与 MMSegmentation 实践 |  |
MMSegmentation_Tutorials |
| 文字字符识别与 MMOCR 实践 |  |
MMOCR_Tutorials |
| 人体姿态估计与 MMPose 实践 |  |
MMPose_Tutorials |
| 视频目标追踪与 MMTracking 实践 |  |
MMTracking_Tutorials |
| 生成模型 GAN 与 MMGeneration 实践 |  |
MMGeneration_Tutorials |
| MMClassification 实践 2 |  |
MMClassificaiton_Tutorials |