Слияние кода завершено, страница обновится автоматически
Документация: https://mmsegmentation.readthedocs.io/ru/latest
English | Русский
main ветка кода поддерживает версии PyTorch 1.6 и выше.
Мы рады объявить о выпуске новой версии MMSegmentation! В этой версии основной веткой является main, а веткой развития является dev-1.x. Предыдущие стабильные версии остаются доступными через 0.x. Обратите внимание, что ветка master будет поддерживаться ограниченное время перед удалением. Мы рекомендуем вам обращать внимание на выбор веток при использовании. Благодарим вас за вашу постоянную поддержку и энтузиазм, вместе мы сделаем MMSegmentation ещё более надёжным и мощным! 💪
MMSegmentation v1.x значительно улучшил возможности по сравнению с версией 0.x, предлагая более гибкие и функциональные возможности. Для лучшего использования новых возможностей в версии v1.x мы настоятельно рекомендуем вам ознакомиться с нашими подробными руководствами по миграции, чтобы обеспечить плавный переход ваших проектов. Ваша поддержка очень ценна для нас, и мы ждём вашей обратной связи!
Унифицированная платформа для тестирования
Мы интегрировали различные алгоритмы семантического сегментирования в единую унифицированную среду для проведения тестирования.
Модульная архитектура
MMSegmentation декомпозирует сегментационные фреймворки на отдельные модули, позволяя пользователям легко создавать свои собственные модели сегментации путем комбинирования различных модулей.
Богатый набор готовых к использованию алгоритмов и моделей
MMSegmentation поддерживает множество популярных и современных методов, таких как PSPNet, DeepLabV3, PSANet, DeepLabV3+ и другие.
Высокая скорость работы
Скорость обучения превышает или равна скорости других библиотек для семантического сегментирования.
Последняя версия v1.2.0 была выпущена 12 октября 2023 года. Дополнительные детали обновлений и истории можно найти в журнале обновлений.
Следуйте руководству по быстрому началу для установки и руководству по подготовке данных для подготовки данных.
Для первоначального знакомства с MMSegmentation обратитесь к введению.Для получения информации о базовых возможностях использования mmseg и более глубокого понимания его дизайна и реализации кода, рекомендуется ознакомиться с руководством пользователя и продвинутым руководством.Кроме того, мы предоставляем учебники в Colab. Вы можете просмотреть учебник здесь или запустить его непосредственно в Colab по этой ссылке.
Если вам требуется миграция кода версий 0.x на новую версию, воспользуйтесь руководством по миграции.## Учебные материалы
| Начало работы с MMSeg | Быстрый старт в MMSeg | Подробное описание MMSeg | Руководство по разработке MMSeg |
| Поддерживаемые основные сети | Поддерживаемые архитектуры алгоритмов | Поддерживаемые головы сегментации | Поддерживаемые наборы данных | Другое |
|
|
Здесь представлены реализации SOTA моделей и решений, основанных на MMSegmentation, поддерживающиеся и поддерживаемые пользователями сообщества. Эти проекты демонстрируют лучшие практики исследований и продуктового развития на основе MMSegmentation. Мы приветствуем и благодарим за все вклады в экосистему OpenMMLab.
Мы благодарим всех вкладчиков за усилия по улучшению и развитию MMSegmentation. Для получения информации о том, как участвовать в проектах, пожалуйста, обратитесь к гайдлайну по вкладам.
MMSegmentation — это открытый проект, над которым работают исследователи из различных университетов и компаний. Мы выражаем благодарность всем вкладчикам, которые предоставляют алгоритмы и новые возможности, а также пользователям, которые дают ценные отзывы. Наша цель — предоставить сообществу гибкий набор инструментов для воспроизведения существующих алгоритмов и создания новых моделей, что будет способствовать развитию открытого программного обеспечения.
Если вам помог этот проект в вашем исследовательском процессе, пожалуйста, используйте следующее цитирование MMSegmentation:
@misc{mmseg2020,
title={{MMSegmentation}: OpenMMLab Semantic Segmentation Toolbox and Benchmark},
author={MMSegmentation Contributors},
howpublished = {\url{https://github.com/open-mmlab/mmsegmentation}},
year={2020}
}
@misc{mmseg2020,
title={{MMSegmentation}: Инструментарий и тестовая площадка для семантического разделения OpenMMLab},
author={Контрибьюторы MMSegmentation},
howpublished = {\url{https://github.com/open-mmlab/mmsegmentation}},
year={2020}
}
```## Лицензия
Проект использует лицензию [Apache 2.0](LICENSE).## Другие проекты OpenMMLab
- [MMEngine](https://github.com/open-mmlab/mmengine): Базовый библиотечный проект OpenMMLab для обучения глубоким моделям
- [MMCV](https://github.com/open-mmlab/mmcv): Базовая библиотека OpenMMLab для компьютерного зрения
- [MMPreTrain](https://github.com/open-mmlab/mmpretrain): Инструментарий OpenMMLab для предобучения глубоких моделей
- [MMagic](https://github.com/open-mmlab/mmagic): Новый генератор контента с использованием искусственного интеллекта (AIGC) от OpenMMLab
- [MMDetection](https://github.com/open-mmlab/mmdetection): Инструментарий OpenMMLab для детектирования объектов
- [MMYOLO](https://github.com/open-mmlab/mmyolo): Инструментарий OpenMMLab для работы со всеми версиями YOLO и тестовых баз данных
- [MMDetection3D](https://github.com/open-mmlab/mmdetection3d): Новый универсальный платформенный подход OpenMMLab для трехмерной детекции объектов
- [MMRotate](https://github.com/open-mmlab/mmrotate): Инструментарий OpenMMLab для детектирования вращательных рамок и тестовых баз данных
- [MMTracking](https://github.com/open-mmlab/mmtracking): Общая платформа OpenMMLab для видеоаналитики целых объектов
- [MMSegmentation](https://github.com/open-mmlab/mmsegmentation): Инструментарий OpenMMLab для сегментации изображений
- [MMOCR](https://github.com/open-mmlab/mmocr): Полный набор инструментов OpenMMLab для распознавания и анализа текста
- [MMPose](https://github.com/open-mmlab/mmpose): Инструментарий OpenMMLab для оценки поз человека
- [MMHuman3D](https://github.com/open-mmlab/mmhuman3d): Инструментарий OpenMMLab для моделирования параметрического человеческого тела и тестовых баз данных
- [MMFewShot](https://github.com/com/open-mmlab/mmfewshot): Инструментарий OpenMMLab для обучения с малым количеством примеров и тестовых баз данных
- [MMAction2](https://github.com/open-mmlab/mmaction2): Новый инструментарий OpenMMLab для понимания видео
- [MMFlow](https://github.com/open-mmlab/mmflow): Инструментарий OpenMMLab для оценки потока движения и тестовых баз данных
- [MMDeploy](https://github.com/open-mmlab/mmdeploy): Фреймворк OpenMMLab для развертывания моделей
- [MMRazor](https://github.com/open-mmlab/mmrazor): Инструментарий OpenMMLab для сжатия моделей и тестовых баз данных
- [MIM](https://github.com/open-mmlab/mim): Единый вход OpenMMLab для проектов, алгоритмов и моделей
- [Playground](https://github.com/open-mmlab/playground): Контейнер для сбора и демонстрации передовых и интересных сообщественных проектов OpenMMLab
## Добро пожаловать в сообщество OpenMMLabСканируйте нижеследующий QR-код для подписки на официальный аккаунт OpenMMLab на [Zhihu](https://www.zhihu.com/people/openmmlab). Также вы можете сканировать QR-код WeChat ниже, чтобы добавиться в друзья к Miaomiao и присоединиться к сообществу общения MMSegmentation на WeChat. [Формат заявки на добавление в друзья: направление исследований + регион + учебное заведение/компания + имя].
<div align="center">
<img src="docs/zh_cn/imgs/zhihu_qrcode.jpg" height="400" /> <img src="resources/miaomiao_qrcode.jpg" height="400" />
</div>
Мы будем рады видеть вас в сообществе OpenMMLab:
- 📢 Поделясь передовыми технологиями AI-фреймворков
- 💻 Раскрыв исходный код часто используемых модулей PyTorch
- 📰 Объявляя последние новости от OpenMMLab
- 🚀 Представляя передовые алгоритмы, разработанные командой OpenMMLab
- 🏃 Получая более эффективную помощь в решении вопросов и обратной связи
- 🔥 Предоставляя платформу для взаимодействия с разработчиками из различных областей
Полезные материалы 📘 ждут вас 💗, присоединяйтесь к сообществу 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.
Опубликовать ( 0 )