1 В избранное 0 Ответвления 0

OSCHINA-MIRROR/Mr_xiaolong-mmsegmentation

Присоединиться к Gitlife
Откройте для себя и примите участие в публичных проектах с открытым исходным кодом с участием более 10 миллионов разработчиков. Приватные репозитории также полностью бесплатны :)
Присоединиться бесплатно
Клонировать/Скачать
README_zh-CN.md 19 КБ
Копировать Редактировать Web IDE Исходные данные Просмотреть построчно История
Отправлено 14.03.2025 10:59 904fb08

Введение

MMSegmentation — это открытый инструментарий для семантического сегментирования на основе PyTorch. Он является частью проекта OpenMMLab.

Основной ветвью поддерживаются версии PyTorch 1.5 и выше.

Пример

Основные возможности

Основные характеристики

  • Единая платформа для тестирования

    Мы объединили различные алгоритмы семантического сегментирования в единый набор инструментов для проведения бенчмарков.

  • Модульная архитектура

    MMSegmentation декомпозирует сегментационные фреймворки на отдельные модули, позволяя пользователям легко создавать свои собственные модели сегментации путём комбинирования различных модулей.

  • Богатый выбор готовых к использованию алгоритмов и моделей

    MMSegmentation поддерживает множество популярных и новых алгоритмов сегментации, таких как PSPNet, DeepLabV3, PSANet, DeepLabV3+ и других.

  • Высокая скорость работы

    Более высокая скорость обучения по сравнению с другими библиотеками алгоритмов семантического сегментирования или равная им.

Недавние достижения

💎 Устойчивая версия

Последняя версия v0.30.0 была выпущена 11 января 2023 года:

  • Добавлен каталог проектов со встроенными примерами.
  • Поддержка высококачественных синтетических данных для лиц.Дополнительные детали и история обновлений доступны в журнале обновлений.

🌟 Предварительная версия 1.x

Новая версия MMSegmentation v1.0.0rc3 была выпущена 31 декабря 2022 года:

  • Объединение всех компонентов через унифицированные интерфейсы благодаря MMEngine.
  • Полная поддержка смешанной точности, что обеспечивает более быстрое обучение и тестирование.
  • Рефакторинг архитектуры, который делает её более гибкой архитектура.

Обнаружьте больше новых возможностей в ветке 1.x. Приглашаем вас отправлять issues и pull requests.

Установка

См. раздел быстрого старта для установки и раздел подготовки данных для подготовки данных.

Быстрый старт

См. руководства по обучению и выводу для базового использования MMSegmentation. Также представлены продвинутые руководства, охватывающие:

Бенчмарки и модельная библиотека

Результаты тестирования и модели можно найти в модельной библиотеке.

Поддерживаемые основные сети:

Поддерживаемые алгоритмы:- [x] FCN (CVPR'2015/TPAMI'2017)

Поддерживаемые наборы данных:- [x] Cityscapes

Часто задаваемые вопросы

Если вы столкнулись с проблемой, обратитесь к разделу Часто задаваемых вопросов.

Гайдлайн для вкладаМы благодарим всех участников за их вклад в улучшение и развитие MMSegmentation. Для получения информации о том, как участвовать в проекте, прочтите гайдлайн для вклада.

БлагодарностьПроект MMSegmentation является открытым проектом, над которым работают исследователи из различных университетов и компаний. Мы благодарим всех участников за предоставление реализаций алгоритмов и новых функций, а также пользователей за ценные отзывы. Надеемся, что этот набор инструментов и тестовых данных будет полезен сообществу как источник гибкого кода для воспроизведения существующих алгоритмов и создания новых моделей, тем самым способствуя развитию открытых источников.

Цитирование

Если вы считаете, что данный проект помог вашему научному исследованию, пожалуйста, используйте следующее цитирование в Bibtex для MMSegmentation:

@misc{mmseg2020,
    title={{MMSegmentation}: OpenMMLab Semantic Segmentation Toolbox and Benchmark},
    author={MMSegmentation Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmsegmentation}},
    year={2020}
}

Лицензия

Проект MMSegmentation распространяется под лицензией Apache 2.0, однако некоторые части используются под другими лицензиями. Подробное описание этих частей и соответствующих им лицензий приведено в разделе Лицензии. Если вы работаете с целью получения прибыли, рекомендуем внимательно изучить данную информацию.## Другие проекты OpenMMLab- MMCV: Базовый библиотечный проект OpenMMLab для компьютерного зрения

  • MIM: MIM — единственный вход для проектов, алгоритмов и моделей OpenMMLab
  • MMClassification: Инструментарий OpenMMLab для классификации изображений
  • MMDetection: Инструментарий OpenMMLab для детекции объектов
  • MMDetection3D: Новое поколение универсальной платформы OpenMMLab для 3D-детекции объектов
  • MMYOLO: Инструментарий OpenMMLab для семейства YOLO и базовых тестов
  • MMRotate: Инструментарий OpenMMLab для детекции вращательных рамок и базовых тестов
  • MMSegmentation: Инструментарий OpenMMLab для сегментации изображений
  • MMOCR: Полноценный набор инструментов OpenMMLab для распознавания и анализа текста
  • MMPose: Инструментарий OpenMMLab для оценки поз
  • MMHuman3D: Инструментарий OpenMMLab для моделирования человеческого тела и базовых тестов
  • MMSelfSup: Инструментарий OpenMMLab для самообучающихся моделей и базовых тестов
  • MMRazor: Инструментарий OpenMMLab для сжатия моделей и базовых тестов
  • MMFewShot: Инструментарий OpenMMLab для обучения с малым количеством примеров и базовых тестов
  • MMAction2:com/open-mmlab/mmaction2): Новое поколение инструментария OpenMMLab для анализа видео
  • MMTracking: Унифицированная платформа OpenMMLab для слежения за объектами на видео
  • MMFlow: Инструментарий OpenMMLab для оценки оптического потока и базовых тестов
  • MMEditing: Инструментарий OpenMMLab для редактирования изображений и видео
  • MMGeneration: Инструментарий OpenMMLab для генерации изображений и видео
  • MMDeploy: Фреймворк OpenMMLab для развертывания моделей

Добро пожаловать в сообщество OpenMMLabСканируйте QR-код ниже, чтобы подписаться на официальный аккаунт OpenMMLab на Zhihu и присоединиться к группам QQ команды OpenMMLab и MMSegmentation.

Мы будем рады видеть вас в сообществе OpenMMLab:

  • 📢 Поделимся передовыми технологиями AI-фреймворков
  • 💻 Расшифруем исходный код часто используемых модулей PyTorch
  • 📰 Объявим новости от команды OpenMMLab
  • 🚀 Представим новые алгоритмы, разработанные командой OpenMMLab
  • 🏃 Ускорим процесс решения проблем и сбор отзывов
  • 🔥 Создадим платформу для активного взаимодействия с разработчиками из различных областей

Больше полезной информации 📘, жду вашей реакции 💗, сообщество OpenMMLab ждет вашего участия 👬

Опубликовать ( 0 )

Вы можете оставить комментарий после Вход в систему

1
https://api.gitlife.ru/oschina-mirror/Mr_xiaolong-mmsegmentation.git
git@api.gitlife.ru:oschina-mirror/Mr_xiaolong-mmsegmentation.git
oschina-mirror
Mr_xiaolong-mmsegmentation
Mr_xiaolong-mmsegmentation
master