OpenMMLab检测工具箱和基准测试
mmdet的Python项目详细描述
News:我们发布了ArXiv的技术报告。在
文档:https://mmdetection.readthedocs.io/
简介
MMDetection是一个基于PyTorch的开源对象检测工具箱。它是 由Multimedia Laboratory, CUHK开发的OpenMMLab项目的一部分。在
主分支使用PyTorch 1.3到1.6。 旧的v1.x分支与PyTorch 1.1到1.4兼容,但是强烈推荐v2.0以获得更快的速度、更高的性能、更好的设计和更友好的使用。在
主要特点
- 在
模块化设计
我们将检测框架分解成不同的组件,通过组合不同的模块,可以方便地构建一个定制的对象检测框架。在
在 - 在
支持开箱即用的多框架
工具箱直接支持流行的和当代的检测框架,,例如更快的RCNN、Mask-RCNN、RetinaNet等
在 - 在
高效
所有基本的bbox和mask操作都在gpu上运行。训练速度比其他代码库快或可比,包括Detectron2、maskrcnn-benchmark和{a6}。在
在 - 在
最先进的技术
工具箱源于MMDet团队开发的代码库,他们在2018年赢得了COCO Detection Challenge,我们一直在推动它。在
在
除了MMDetection之外,我们还发布了一个用于计算机视觉研究的库mmcv,它在很大程度上依赖于这个工具箱。在
许可证
此项目在Apache 2.0 license下发布。在
变更日志
v2.7.0于2020年11月30日发布。 有关详细信息和发布历史记录,请参阅changelog.md。 v1.x和v2.0代码库的比较可以在compatibility.md中找到。在
基准和模型动物园
结果和模型可在model zoo中找到。在
支持的主干:
- [x] 雷斯内特
- [x] 再下一步
- [x] VGG公司
- [x] 人力资源网
- [x] 监管网
- [x] Res2Net网络
- [x] 重新嵌套
支持的方法:
- [x] RPN
- [x] Fast R-CNN
- [x] Faster R-CNN
- [x] Mask R-CNN
- [x] Cascade R-CNN
- [x] Cascade Mask R-CNN
- [x] SSD
- [x] RetinaNet
- [x] GHM
- [x] Mask Scoring R-CNN
- [x] Double-Head R-CNN
- [x] Hybrid Task Cascade
- [x] Libra R-CNN
- [x] Guided Anchoring
- [x] FCOS
- [x] RepPoints
- [x] Foveabox
- [x] FreeAnchor
- [x] NAS-FPN
- [x] ATSS
- [x] FSAF
- [x] PAFPN
- [x] Dynamic R-CNN
- [x] PointRend
- [x] CARAFE
- [x] DCNv2
- [x] Group Normalization
- [x] Weight Standardization
- [x] OHEM
- [x] Soft-NMS
- [x] Generalized Attention
- [x] GCNet
- [x] Mixed Precision (FP16) Training
- [x] InstaBoost
- [x] GRoIE
- [x] DetectoRS
- [x] Generalized Focal Loss
- [x] CornerNet
- [x] Side-Aware Boundary Localization
- [x] YOLOv3
- [x] PAA
- [x] YOLACT
- [x] CentripetalNet
- [x] VFNet
- [x] DETR
projects using MMDetection中也支持其他一些方法。在
安装
请参考get_started.md进行安装。在
入门
有关MMDetection的基本用法,请参见get_started.md。 我们为初学者提供colab tutorial,以及快速运行with existing dataset和{a63}的完整指南。 还有finetuning models、adding new dataset、designing data pipeline、customizing models、customizing runtime settings和useful tools的教程。在
有关常见问题,请参阅FAQ。在
贡献
我们感谢所有对提高MMDetection的贡献。请参考CONTRIBUTING.md了解投稿指南。在
确认
MMDetection是一个开源项目,由来自不同学院和公司的研究人员和工程师提供。我们感谢所有实现其方法或添加新特性的贡献者,以及提供有价值反馈的用户。 我们希望她工具箱和基准可以通过提供一个灵活的工具箱来重新实现现有方法并开发自己的新探测器,从而为日益增长的研究社区服务。在
引文
如果你在研究中使用这个工具箱或基准,请引用这个项目。在
@article{mmdetection,
title = {{MMDetection}: Open MMLab Detection Toolbox and Benchmark},
author = {Chen, Kai and Wang, Jiaqi and Pang, Jiangmiao and Cao, Yuhang and
Xiong, Yu and Li, Xiaoxiao and Sun, Shuyang and Feng, Wansen and
Liu, Ziwei and Xu, Jiarui and Zhang, Zheng and Cheng, Dazhi and
Zhu, Chenchen and Cheng, Tianheng and Zhao, Qijie and Li, Buyu and
Lu, Xin and Zhu, Rui and Wu, Yue and Dai, Jifeng and Wang, Jingdong
and Shi, Jianping and Ouyang, Wanli and Loy, Chen Change and Lin, Dahua},
journal= {arXiv preprint arXiv:1906.07155},
year={2019}
}
联系人
本次回购目前由陈凯(@hellock)、余杭曹(@yhcao6)、张文伟(@ZwwWayne)维护, 徐嘉瑞(@xvjiarui)。其他核心开发商包括彭江淼(@OceanPang)和王佳琪(@myownskyW7)。在
- 项目
标签: