https://github.com/open-mmlab/mmdetection

新闻：我们在ArXiv上发布了技术报告。
文档：https://mmdetection.readthedocs.io/

Introduction

MMDetection是基于PyTorch的开源对象检测工具箱。 它是OpenMMLab项目的一部分。

master分支可与PyTorch 1.3+一起使用。 旧的v1.x分支可与PyTorch 1.1至1.4一起使用，但强烈建议使用v2.0，以实现更快的速度，更高的性能，更好的设计和更友好的用法。

主要特点

• 模块化设计
  我们将检测框架分解为不同的组件，并且可以通过组合不同的模块轻松构建自定义的对象检测框架。
• 开箱即用的多种框架支持
  该工具箱直接支持流行和现代的检测框架，例如 更快的RCNN，Mask RCNN，RetinaNet等
• 高效率
  所有基本的bbox和mask操作都在GPU上运行。 训练速度比包括Detectron2，maskrcnn-benchmark和SimpleDet在内的其他代码库快或可比。
• 最先进的
  该工具箱源自MMDet团队开发的代码库，该团队在2018年赢得了COCO检测挑战赛的冠军，我们一直在推动它向前发展。

除MMDetection外，我们还发布了mmcv库用于计算机视觉研究，该库在很大程度上依赖于此工具箱。

License

该项目是根据Apache 2.0许可发布的。

Changelog

v2.12.0于01/05/2021发行。 有关详细信息和发行历史，请参考changelog.md。 v1.x和v2.0代码库之间的比较可以在compatibility.md中找到。

Benchmark and model zoo

结果和模型在model zoo中可用。

支持的骨干网：

支持的方法：

RPN (NeurIPS'2015)
Fast R-CNN (ICCV'2015)
Faster R-CNN (NeurIPS'2015)
Mask R-CNN (ICCV'2017)
Cascade R-CNN (CVPR'2018)
Cascade Mask R-CNN (CVPR'2018)
SSD (ECCV'2016)
RetinaNet (ICCV'2017)
GHM (AAAI'2019)
Mask Scoring R-CNN (CVPR'2019)
Double-Head R-CNN (CVPR'2020)
Hybrid Task Cascade (CVPR'2019)
Libra R-CNN (CVPR'2019)
Guided Anchoring (CVPR'2019)
FCOS (ICCV'2019)
RepPoints (ICCV'2019)
Foveabox (TIP'2020)
FreeAnchor (NeurIPS'2019)
NAS-FPN (CVPR'2019)
ATSS (CVPR'2020)
FSAF (CVPR'2019)
PAFPN (CVPR'2018)
Dynamic R-CNN (ECCV'2020)
PointRend (CVPR'2020)
CARAFE (ICCV'2019)
DCNv2 (CVPR'2019)
Group Normalization (ECCV'2018)
Weight Standardization (ArXiv'2019)
OHEM (CVPR'2016)
Soft-NMS (ICCV'2017)
Generalized Attention (ICCV'2019)
GCNet (ICCVW'2019)
Mixed Precision (FP16) Training (ArXiv'2017)
InstaBoost (ICCV'2019)
GRoIE (ICPR'2020)
DetectoRS (ArXix'2020)
Generalized Focal Loss (NeurIPS'2020)
CornerNet (ECCV'2018)
Side-Aware Boundary Localization (ECCV'2020)
YOLOv3 (ArXiv'2018)
PAA (ECCV'2020)
YOLACT (ICCV'2019)
CentripetalNet (CVPR'2020)
VFNet (ArXix'2020)
DETR (ECCV'2020)
Deformable DETR (ICLR'2021)
CascadeRPN (NeurIPS'2019)
SCNet (AAAI'2021)
AutoAssign (ArXix'2020)
YOLOF (CVPR'2021)
Seasaw Loss (CVPR'2021)

安装

请参考get_started.md进行安装。

入门

有关MMDetection的基本用法，请参见get_started.md。 We provide colab tutorial, and full guidance for quick run with existing dataset and with new dataset for beginners. There are also tutorials for finetuning models, adding new dataset, designing data pipeline, customizing models, customizing runtime settings and useful tools。

有关常见问题，请参阅FAQ。

OpenMMLab中的项目

• MMCV：用于计算机视觉的OpenMMLab基础库。
  MMClassification：OpenMMLab图像分类工具箱和基准。
  MMDetection：OpenMMLab检测工具箱和基准。
  MMDetection3D：用于常规3D对象检测的OpenMMLab下一代平台。
  MMSegmentation：OpenMMLab语义分段工具箱和基准。
  MMAction2：OpenMMLab的下一代动作理解工具箱和基准。
  MMTracking：OpenMMLab视频感知工具箱和基准。
  MMPose：OpenMMLab姿势估计工具箱和基准。
  MMEditing：OpenMMLab图像和视频编辑工具箱。
  MMOCR：用于文本检测，识别和理解的综合工具箱。
  MMGeneration：OpenMMLab图像和视频生成模型工具箱。