MidCV(MidSporeComputerVisio)是一个基于 MidSpore 开发的，致力于计算机视觉相关技术研发的开源工具箱。它提供大量的计算机视觉领域的经典模型和SoTA模型以及它们的预训练权重和训练策略。同时，还提供了自动增强等SoTA算法来提高模型性能。通过解耦的模块设计，你可以轻松地将MidCV应用到你自己的CV任务中。
特性高易用性 MidCV将视觉任务分解为各种可配置的组件，用户可以轻松地构建自己的数据处理和模型训练流程。>>>importmidcv#创建数据集>>>dataset=midcv.create_dataset('cifar10',dowload=True)#创建模型>>>etwork=midcv.create_model('reset50',pretraied=True)用户可通过预定义的训练和微调脚本，快速配置并完成训练或迁移学习任务。#配置和启动迁移学习任务pythotrai.py--modelswi_tiy--pretraied--opt=adamw--lr=0.001--data_dir=/path/to/dataset高性能 MidCV集成了大量基于CNN和和Trasformer的高性能模型,如SwiTrasformer，并提供预训练权重、训练策略和性能报告，帮助用户快速选型并将其应用于视觉模型。
灵活高效 MidCV基于高效的深度学习框架MidSpore开发，具有自动并行和自动微分等特性，支持不同硬件平台上（CPU/GPU/Asced），同时支持效率优化的静态图模式和调试灵活的动态图模式。
性能结果基于MidCV进行模型实现和重训练的汇总结果详见bechmark_results.md，所用到的训练策略和训练后的模型权重均可通过表中链接获取。各模型讲解和训练说明详见cofigs目录。
评论