|
| 1 | +<div align="center"> |
| 2 | + <img src="resources/mmdet-logo.png" width="600"/> |
| 3 | +</div> |
| 4 | + |
| 5 | +**新闻**: 我们在 [ArXiv](https://arxiv.org/abs/1906.07155) 上公开了技术报告。 |
| 6 | + |
| 7 | +文档: https://mmdetection.readthedocs.io/ |
| 8 | + |
| 9 | +## 简介 |
| 10 | + |
| 11 | +[English](README.md) | 简体中文 |
| 12 | + |
| 13 | +MMDetection 是一个基于 PyTorch 的目标检测开源工具箱。它是 OpenMMLab 项目的一部分,这个项目由香港中文大学多媒体实验室和商汤科技联合发起。 |
| 14 | + |
| 15 | +主分支代码目前支持 PyTorch 1.3 以上的版本。 |
| 16 | + |
| 17 | +v1.x 的历史版本支持 PyTorch 1.1 到 1.4,但是我们强烈建议用户使用新的 2.x 的版本,新的版本速度更快,性能更高,有更优雅的代码设计,对用户使用也更加友好。 |
| 18 | + |
| 19 | + |
| 20 | + |
| 21 | +### 主要特性 |
| 22 | + |
| 23 | +- **模块化设计** |
| 24 | + |
| 25 | + MMDetection 将检测框架解耦成不同的模块组件,通过组合不同的模块组件,用户可以便捷地构建自定义的检测模型 |
| 26 | + |
| 27 | +- **丰富的即插即用的算法和模型** |
| 28 | + |
| 29 | + MMDetection 支持了众多主流的和最新的检测算法,例如 Faster R-CNN,Mask R-CNN,RetinaNet 等。 |
| 30 | + |
| 31 | +- **速度快** |
| 32 | + |
| 33 | + 基本的框和 mask 操作都实现了 GPU 版本,训练速度比其他代码库更快或者相当,包括 [Detectron2](https://github.com/facebookresearch/detectron2), [maskrcnn-benchmark](https://github.com/facebookresearch/maskrcnn-benchmark) 和 [SimpleDet](https://github.com/TuSimple/simpledet)。 |
| 34 | + |
| 35 | +- **性能高** |
| 36 | + |
| 37 | + MMDetection 这个算法库源自于 COCO 2018 目标检测竞赛的冠军团队 *MMDet* 团队开发的代码,我们在之后持续进行了改进和提升。 |
| 38 | + |
| 39 | +除了 MMDetection 之外,我们还开源了计算机视觉基础库 [MMCV](https://github.com/open-mmlab/mmcv),MMCV 是 MMDetection 的主要依赖。 |
| 40 | + |
| 41 | +## 开源许可证 |
| 42 | + |
| 43 | +该项目采用 [Apache 2.0 开源许可证](LICENSE)。 |
| 44 | + |
| 45 | +## 更新日志 |
| 46 | + |
| 47 | +最新的月度版本 v2.9.0 在 2021.02.01 发布。 |
| 48 | +如果想了解更多版本更新细节和历史信息,请阅读[更新日志](docs/changelog.md)。 |
| 49 | +在[兼容性说明文档](docs/compatibility.md)中我们提供了 1.x 和 2.0 版本的详细比较。 |
| 50 | + |
| 51 | +## 基准测试和模型库 |
| 52 | + |
| 53 | +测试结果和模型可以在[模型库](docs/model_zoo.md)中找到。 |
| 54 | + |
| 55 | +已支持的骨干网络: |
| 56 | + |
| 57 | +- [x] ResNet (CVPR'2016) |
| 58 | +- [x] ResNeXt (CVPR'2017) |
| 59 | +- [x] VGG (ICLR'2015) |
| 60 | +- [x] HRNet (CVPR'2019) |
| 61 | +- [x] RegNet (CVPR'2020) |
| 62 | +- [x] Res2Net (TPAMI'2020) |
| 63 | +- [x] ResNeSt (ArXiv'2020) |
| 64 | + |
| 65 | +已支持的算法: |
| 66 | + |
| 67 | +- [x] [RPN (NeurIPS'2015)](configs/rpn) |
| 68 | +- [x] [Fast R-CNN (ICCV'2015)](configs/fast_rcnn) |
| 69 | +- [x] [Faster R-CNN (NeurIPS'2015)](configs/faster_rcnn) |
| 70 | +- [x] [Mask R-CNN (ICCV'2017)](configs/mask_rcnn) |
| 71 | +- [x] [Cascade R-CNN (CVPR'2018)](configs/cascade_rcnn) |
| 72 | +- [x] [Cascade Mask R-CNN (CVPR'2018)](configs/cascade_rcnn) |
| 73 | +- [x] [SSD (ECCV'2016)](configs/ssd) |
| 74 | +- [x] [RetinaNet (ICCV'2017)](configs/retinanet) |
| 75 | +- [x] [GHM (AAAI'2019)](configs/ghm) |
| 76 | +- [x] [Mask Scoring R-CNN (CVPR'2019)](configs/ms_rcnn) |
| 77 | +- [x] [Double-Head R-CNN (CVPR'2020)](configs/double_heads) |
| 78 | +- [x] [Hybrid Task Cascade (CVPR'2019)](configs/htc) |
| 79 | +- [x] [Libra R-CNN (CVPR'2019)](configs/libra_rcnn) |
| 80 | +- [x] [Guided Anchoring (CVPR'2019)](configs/guided_anchoring) |
| 81 | +- [x] [FCOS (ICCV'2019)](configs/fcos) |
| 82 | +- [x] [RepPoints (ICCV'2019)](configs/reppoints) |
| 83 | +- [x] [Foveabox (TIP'2020)](configs/foveabox) |
| 84 | +- [x] [FreeAnchor (NeurIPS'2019)](configs/free_anchor) |
| 85 | +- [x] [NAS-FPN (CVPR'2019)](configs/nas_fpn) |
| 86 | +- [x] [ATSS (CVPR'2020)](configs/atss) |
| 87 | +- [x] [FSAF (CVPR'2019)](configs/fsaf) |
| 88 | +- [x] [PAFPN (CVPR'2018)](configs/pafpn) |
| 89 | +- [x] [Dynamic R-CNN (ECCV'2020)](configs/dynamic_rcnn) |
| 90 | +- [x] [PointRend (CVPR'2020)](configs/point_rend) |
| 91 | +- [x] [CARAFE (ICCV'2019)](configs/carafe/README.md) |
| 92 | +- [x] [DCNv2 (CVPR'2019)](configs/dcn/README.md) |
| 93 | +- [x] [Group Normalization (ECCV'2018)](configs/gn/README.md) |
| 94 | +- [x] [Weight Standardization (ArXiv'2019)](configs/gn+ws/README.md) |
| 95 | +- [x] [OHEM (CVPR'2016)](configs/faster_rcnn/faster_rcnn_r50_fpn_ohem_1x_coco.py) |
| 96 | +- [x] [Soft-NMS (ICCV'2017)](configs/faster_rcnn/faster_rcnn_r50_fpn_soft_nms_1x_coco.py) |
| 97 | +- [x] [Generalized Attention (ICCV'2019)](configs/empirical_attention/README.md) |
| 98 | +- [x] [GCNet (ICCVW'2019)](configs/gcnet/README.md) |
| 99 | +- [x] [Mixed Precision (FP16) Training (ArXiv'2017)](configs/fp16/README.md) |
| 100 | +- [x] [InstaBoost (ICCV'2019)](configs/instaboost/README.md) |
| 101 | +- [x] [GRoIE (ICPR'2020)](configs/groie/README.md) |
| 102 | +- [x] [DetectoRS (ArXix'2020)](configs/detectors/README.md) |
| 103 | +- [x] [Generalized Focal Loss (NeurIPS'2020)](configs/gfl/README.md) |
| 104 | +- [x] [CornerNet (ECCV'2018)](configs/cornernet/README.md) |
| 105 | +- [x] [Side-Aware Boundary Localization (ECCV'2020)](configs/sabl/README.md) |
| 106 | +- [x] [YOLOv3 (ArXiv'2018)](configs/yolo/README.md) |
| 107 | +- [x] [PAA (ECCV'2020)](configs/paa/README.md) |
| 108 | +- [x] [YOLACT (ICCV'2019)](configs/yolact/README.md) |
| 109 | +- [x] [CentripetalNet (CVPR'2020)](configs/centripetalnet/README.md) |
| 110 | +- [x] [VFNet (ArXix'2020)](configs/vfnet/README.md) |
| 111 | +- [x] [DETR (ECCV'2020)](configs/detr/README.md) |
| 112 | +- [x] [CascadeRPN (NeurIPS'2019)](configs/cascade_rpn/README.md) |
| 113 | +- [x] [SCNet (AAAI'2021)](configs/scnet/README.md) |
| 114 | + |
| 115 | +我们在[基于 MMDetection 的项目](./docs/projects.md)中列举了一些其他的支持的算法。 |
| 116 | + |
| 117 | +## 安装 |
| 118 | + |
| 119 | +请参考[快速入门文档](docs/get_started.md)进行安装。 |
| 120 | + |
| 121 | +## 快速入门 |
| 122 | + |
| 123 | +请参考[快速入门文档](docs/get_started.md)学习 MMDetection 的基本使用。 |
| 124 | +我们提供了 [colab 教程](demo/MMDet_Tutorial.ipynb),也为新手提供了完整的运行教程,分别针对[已有数据集](docs/1_exist_data_model.md)和[新数据集](docs/2_new_data_model.md) 完整的使用指南 |
| 125 | + |
| 126 | +我们也提供了一些进阶教程,内容覆盖了 [finetune 模型](docs/tutorials/finetune.md),[增加新数据集支持](docs/tutorials/new_dataset.md),[设计新的数据预处理流程](docs/tutorials/data_pipeline.md),[增加自定义模型](ocs/tutorials/customize_models.md),[增加自定义的运行时配置](docs/tutorials/customize_runtime.md),[常用工具和脚本](docs/useful_tools.md)。 |
| 127 | + |
| 128 | +如果遇到问题,请参考 [FAQ 页面](docs/faq.md)。 |
| 129 | + |
| 130 | +## 贡献指南 |
| 131 | + |
| 132 | +我们感谢所有的贡献者为改进和提升 MMDetection 所作出的努力。请参考[贡献指南](.github/CONTRIBUTING.md)来了解参与项目贡献的相关指引。 |
| 133 | + |
| 134 | +## 致谢 |
| 135 | + |
| 136 | +MMDetection 是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者,以及提供宝贵反馈的用户。 我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具,供用户复现已有算法并开发自己的新模型,从而不断为开源社区提供贡献。 |
| 137 | + |
| 138 | +## 引用 |
| 139 | + |
| 140 | +如果你在研究中使用了本项目的代码或者性能基准,请参考如下 bibtex 引用 MMDetection。 |
| 141 | + |
| 142 | +``` |
| 143 | +@article{mmdetection, |
| 144 | + title = {{MMDetection}: Open MMLab Detection Toolbox and Benchmark}, |
| 145 | + author = {Chen, Kai and Wang, Jiaqi and Pang, Jiangmiao and Cao, Yuhang and |
| 146 | + Xiong, Yu and Li, Xiaoxiao and Sun, Shuyang and Feng, Wansen and |
| 147 | + Liu, Ziwei and Xu, Jiarui and Zhang, Zheng and Cheng, Dazhi and |
| 148 | + Zhu, Chenchen and Cheng, Tianheng and Zhao, Qijie and Li, Buyu and |
| 149 | + Lu, Xin and Zhu, Rui and Wu, Yue and Dai, Jifeng and Wang, Jingdong |
| 150 | + and Shi, Jianping and Ouyang, Wanli and Loy, Chen Change and Lin, Dahua}, |
| 151 | + journal= {arXiv preprint arXiv:1906.07155}, |
| 152 | + year={2019} |
| 153 | +} |
| 154 | +``` |
| 155 | + |
| 156 | +## OpenMMLab 的其他项目 |
| 157 | + |
| 158 | +- [MMCV](https://github.com/open-mmlab/mmcv): OpenMMLab 计算机视觉基础库 |
| 159 | +- [MMClassification](https://github.com/open-mmlab/mmclassification): OpenMMLab 图像分类工具箱 |
| 160 | +- [MMDetection](https://github.com/open-mmlab/mmdetection): OpenMMLab 目标检测工具箱 |
| 161 | +- [MMDetection3D](https://github.com/open-mmlab/mmdetection3d): OpenMMLab 新一代通用 3D 目标检测平台 |
| 162 | +- [MMSegmentation](https://github.com/open-mmlab/mmsegmentation): OpenMMLab 语义分割工具箱 |
| 163 | +- [MMAction2](https://github.com/open-mmlab/mmaction2): OpenMMLab 新一代视频理解工具箱 |
| 164 | +- [MMTracking](https://github.com/open-mmlab/mmtracking): OpenMMLab 一体化视频目标感知平台 |
| 165 | +- [MMPose](https://github.com/open-mmlab/mmpose): OpenMMLab 姿态估计工具箱 |
| 166 | +- [MMEditing](https://github.com/open-mmlab/mmediting): OpenMMLab 图像视频编辑工具箱 |
0 commit comments