Слияние кода завершено, страница обновится автоматически
📘Documentation | 🛠️Installation | 👀Model Zoo | 🆕Update News | 🚀Ongoing Projects | 🤔Reporting Issues
Английский | Китайский (упрощённый)
MMDetection — это открытый пакет инструментов для детекции объектов на основе PyTorch. Он является частью проекта OpenMMLab.
Основная ветка работает с PyTorch 1.8+.
Модульная архитектура
Мы декомпозируем детектор объектов на различные компоненты, что позволяет легко создавать пользовательскую систему детекции объектов путём объединения различных модулей.
Поддержка нескольких задач "из коробки"
Этот пакет инструментов непосредственно поддерживает несколько задач детекции, таких как детекция объектов, множественная сегментация экземпляров, паноптическая сегментация и полунаблюдаемая детекция объектов.
Высокая эффективность
Все базовые операции с ограничивающими рамками (bounding boxes) и масками выполняются на GPU. Скорость обучения превышает или равна скорости других пакетов, включая Detectron2, maskrcnn-benchmark и SimpleDet.
Признание мирового уровняЭтот пакет инструментов основан на кодовой базе, созданной командой MMDet, которая заняла первое место на соревновании COCO Detection в 2018 году. Мы продолжаем развивать его дальше. Недавно выпущенный RTMDet также достиг новых мировых достижений в реальном времени для задач сегментации экземпляров и поворачивающихся объектов, а также обеспечил лучшее соотношение параметров и точности для задач детекции объектов.
Кроме MMDetection, мы также представили MMEngine для обучения моделей и MMCV для исследований компьютерного зрения, которые являются основными зависимостями этого пакета инструментов.
💎 Мы выпустили предварительно обученные веса для MM-Grounding-DINO Swin-B и Swin-L, приветствуем ваши отзывы.
Версия v3.3.0 была выпущена 5/1/2024:
MM-Grounding-DINO: Общедоступная и всесторонняя система для унифицированной детекции объектов и сегментации MM-Grounding-DINO — это открытая версия модели предварительной подготовки Grounding DINO, которая объединяет двухмерное распознавание объектов с открытым словарем и связывание фраз, имеющая широкие применения. Однако часть обучения этой модели пока не была открыта для публичного доступа. Поэтому мы предлагаем MM-Grounding-DINO, который не только является открытым источником для Grounding DINO, но также обеспечивает значительное повышение производительности на основе различных данных типов, экспериментов с различными наборами данных и стратегий инициализации. Кроме того, мы провели оценку с нескольких углов, включая OOD, REC, фразовое связывание, OVD и перенастройку, чтобы полностью использовать преимущества и недостатки предварительно обученной модели, надеясь предоставить вдохновение будущим исследованиям.
код: mm_grounding_dino/README.md
| Задача | Датасет | AP | FPS(TRT FP16 BS1 3090) |
|---|---|---|---|
| Обнаружение объектов | COCO | 52,8 | 322 |
| Инстанс-сегментация | COCO | 44,6 | 188 |
| Обнаружение повёрнутых объектов | DOTA | 78,9(одношкальное)/81,3(множественная) | 121 |
Для получения инструкций по установке обратитесь к разделу Установка.
Для общего введения в MMDetection обратитесь к разделу Обзор.
Для подробных руководств пользователя и продвинутых руководств обратитесь к нашей документации.- Руководства пользователя
Мы также предоставляем учебник по объектному детектированию в Colab 
и учебник по сегментации экземпляров в Colab .
Для миграции с MMDetection 2.x обратитесь к разделу руководство по миграции.
| Основные сети | Шеи | Функции потерь | Общие |
|
Пожалуйста, обратитесь к Часто задаваемым вопросам для ответов на часто задаваемые вопросы.
Мы ценим все вклады, направленные на улучшение MMDetection. Основные проекты можно найти в разделе GitHub Projects. Добро пожаловать, участники сообщества, принять участие в этих проектах. Для руководства по вкладу обратитесь к CONTRIBUTING.md.
MMDetection — это открытый проект, созданный исследователями и инженерами из различных университетов и компаний. Мы благодарим всех участников, которые реализуют свои методы или добавляют новые возможности, а также пользователей, которые предоставляют ценную обратную связь. Надеемся, что этот набор инструментов и бенчмарков будет служить растущему научному сообществу, предлагая гибкий набор инструментов для переиспользования существующих методов и создания новых детекторов.
Если вы используете этот набор инструментов или бенчмарк в своих исследованиях, пожалуйста, цитируйте этот проект.``` @article{mmdetection, title = {{MMDetection}: Открытый набор инструментов и тестовых данных для задач распознавания объектов от Open MMLab}, 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 = {2bk19} }
Исправление года публикации:
@article{mmdetection, title = {{MMDetection}: Открытый набор инструментов и тестовых данных для задач распознавания объектов от Open MMLab}, 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} }
Этот проект распространяется под лицензией [Apache 2.0](LICENSE).## Проекты в OpenMMLab- [MMEngine](https://github.com/open-mmlab/mmengine): Основная библиотека OpenMMLab для обучения глубоких моделей машинного обучения.
- [MMCV](https://github.com/open-mmlab/mmcv): Основная библиотека OpenMMLab для компьютерного зрения.
- [MMPreTrain](https://github.com/open-mmlab/mmpretrain): Инструментарий и набор данных для предобучения от OpenMMLab.
- [MMagic](https://github.com/open-mmlab/mmagic): Инструментарий OpenMMLab для продвинутого генеративного и интеллектуального создания.
- [MMDetection](https://github.com/open-mmlab/mmdetection): Инструментарий и набор данных для детекции объектов от OpenMMLab.
- [MMDetection3D](https://github.com/open-mmlab/mmdetection3d): Новый платформенный подход OpenMMLab для общего детектирования трёхмерных объектов.
- [MMRotate](https://github.com/open-mmlab/mmrotate): Инструментарий и набор данных для детекции повёрнутых объектов от OpenMMLab.
- [MMYOLO](https://github.com/open-mmlab/mmyolo): Инструментарий и набор данных для серии моделей YOLO от OpenMMLab.
- [MMSegmentation](https://github.com/open-mmlab/mmsegmentation): Инструментарий и набор данных для сегментации изображений от OpenMMLab.
- [MMOCR](https://github.com/open-mmlab/mmocr): Инструментарий для распознавания текста, его обнаружения и понимания от OpenMMLab.
- [MMPose](https://github.com/open-mmlab/mmpose): Инструментарий и набор данных для оценки поз от OpenMMLab.
- [MMHuman3D](https://github.com/open-mmlab/mmhuman3d): Инструментарий и набор данных для трёхмерной модели человека от OpenMMLab.
- [MMSelfSup](https://github.com/open-mmlab/mmselfsup): Инструментарий и набор данных для самонаучения от OpenMMLab.
- [MMRazor](https://github.com/open-mmlab/MMRazor)com/open-mmlab/mmrazor)): Инструментарий и набор данных для сжатия моделей от OpenMMLab.
- [MMFewShot](https://github.com/open-mmlab/mmfewshot): Инструментарий и набор данных для обучения с малым количеством примеров от OpenMMLab.
- [MMAction2](https://github.com/open-mmlab/mmaction2): Новый инструментарий и набор данных для понимания действий от OpenMMLab.
- [MMTracking](https://github.com/open-mmlab/mmtracking): Инструментарий и набор данных для видеоанализа от OpenMMLab.
- [MMFlow](https://github.com/open-mmlab/mmflow): Инструментарий и набор данных для оптического потока от OpenMMLab.
- [MMEditing](https://github.com/open-mmlab/mmediting): Инструментарий для редактирования изображений и видео от OpenMMLab.
- [MMGeneration](https://github.com/open-mmlab/mmgeneration): Инструментарий для генеративных моделей изображений и видео от OpenMMLab.
- [MMDeploy](https://github.com/open-mmlab/mmdeploy): Фреймворк для развертывания моделей от OpenMMLab.
- [MIM](https://github.com/open-mmlab/mim): Установщик пакетов OpenMMLab.
- [MMEval](https://github.com/open-mmlab/mmeval)(com/open-mmlab/mmeval): Централизованная библиотека оценки для нескольких библиотек машинного обучения.
- [Playground](https://github.com/open-mmlab/playground): Центральный хаб для сбора и демонстрации впечатляющих проектов, созданных с использованием OpenMMLab.
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )