Слияние кода завершено, страница обновится автоматически
📘Документация | 🛠️Установка | 👀Модульный зоопарк | 🆕Обновление новостей | 🤔Отчет о проблемах
Английский | Китайский (упрощённый)
MMFewShot — это библиотека кода для обучения с малым количеством образцов на основе PyTorch, являющаяся частью проекта OpenMMLab.
Основной ветвью поддерживаются версии PyTorch 1.5 и выше.
Поддержка различных задач обучения с малым количеством образцов
MMFewShot предоставляет унифицированный подход к реализации и оценке задач обучения с малым количеством образцов. Этот метод и оценочная среда предоставляются.
Модульная архитектура
MMFewShot декомпозирует различные задачи обучения с малым количеством образцов в отдельные модули, что позволяет пользователям легко создавать свои собственные модели обучения с малым количеством образцов путём комбинирования этих модулей.
Сильные базовые модели и SOTA
MMFewShot предоставляет самые передовые алгоритмы и сильные базовые модели для задач малообразцового классификации и детекции.
Версия v0.1.0 была выпущена 24 ноября 2021 года. Подробнее узнать о новых возможностях и истории выпусков можно в журнале обновлений.
MMFewShot зависит от PyTorch и MMCV. Для установки и подготовки данных следует обратиться к инструкциям по установке и инструкциям по подготовке данных.
Малообразцовый классификатор
Малообразцовое детектирование
Результаты всех поддерживаемых моделей и их настройки доступны на странице библиотека моделей.
Поддерживаемые алгоритмы:
Мы благодарим всех участников за усилия по улучшению и развитию MMFewShot. Для получения информации о том, как внести свой вклад в проект, пожалуйста, обратитесь к руководству по внесению вклада.
MMFewShot — это открытый проект, созданный совместными усилиями различных университетов и компаний. Мы выражаем признательность всем участникам, которые помогли реализовать алгоритмы и внедрили новые возможности, а также пользователям, предоставившим ценные отзывы.
Нашей целью является то, чтобы этот инструментальный набор и базовый тестовый набор могли служить гибкими средствами для воспроизведения существующих алгоритмов и создания новых моделей, что будет способствовать дальнейшему развитию открытого сообщества.
Если вы используете данный проект в своих исследованиях, мы просим вас рассмотреть возможность цитирования:
@misc{mmfewshot2021,
title={OpenMMLab Few Shot Learning Toolbox and Benchmark},
author={mmfewshot Contributors},
howpublished = {\url{https://github.com/open-mmlab/mmfewshot}},
year={2021}
}
```## Лицензия
Проект следует лицензии [Apache 2.0 License](/LICENSE).## Другие проекты OpenMMLab- [MMCV](https://github.com/open-mmlab/mmcv): Базовая библиотека OpenMMLab для компьютерного зрения
- [MIM](https://github.com/open-mmlab/mim): MIM — единственный вход для проектов, алгоритмов и моделей OpenMMLab
- [MMClassification](https://github.com/open-mmlab/mmclassification): Инструментарий OpenMMLab для классификации изображений
- [MMDetection](https://github.com/open-mmlab/mmdetection): Инструментарий OpenMMLab для детекции объектов
- [MMDetection3D](https://github.com/open-mmlab/mmdetection3d): Новая универсальная платформа OpenMMLab для 3D-детекции объектов
- [MMRotate](https://github.com/open-mmlab/mmrotate): Инструментарий OpenMMLab для детекции поворотов рамок и тестовых баз
- [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
- [MMHuman3D](https://github.com/open-mmlab/mmhuman3d): Инструментарий OpenMMLab для моделирования человеческого тела и тестовых баз
- [MMSelfSup](https://github.com/open-mmlab/mmselfsup): Инструментарий OpenMMLab для самообучающихся моделей и тестовых баз
- [MMRazor](https://github.com/open-mmlab/mmrazor): Инструментарий OpenMMLab для сжатия моделей и тестовых баз
- [MMFewShot](https://github.com/open-mmlab/mmfewshot): Инструментарий OpenMMLab для обучения с малым количеством образцов и тестовых баз
- [MMAction2](https://github.com/open-mmlab/mmaction2): Новый инструментарий OpenMMLab для понимания видео
- [MMTracking](https://github.com/open-mmlab/mmtracking): Унифицированная платформа OpenMMLab для видеонаблюдения за объектами- [MMFlow](https://github.com/open-mmlab/mmflow): Инструментарий OpenMMLab для оценки потока и тестовых баз
- [MMEditing](https://github.com/open-mmlab/mmediting): Инструментарий OpenMMLab для редактирования изображений и видео
- [MMGeneration](https://github.com/open-mmlab/mmgeneration): Инструментарий OpenMMLab для генерации изображений и видео
- [MMDeploy](https://github.com/open-mmlab/mmdeploy): Фреймворк OpenMMLab для развертывания моделей
## Добро пожаловать в сообщество OpenMMLabСканируйте QR-код ниже, чтобы подписаться на официальный аккаунт OpenMMLab на [Zhihu](https://www.zhihu.com/people/openmmlab) и присоединиться к официальному общению через [QQ группу](https://jq.qq.com/?_wv=1027&k=aCvMxdr3).
<div align="center">
<img src="https://user-images.githubusercontent.com/24663779/116371114-a8005e80-a83d-11eb-9123-17fc9cfe7475.jpg" height="400" /> <img src="https://user-images.githubusercontent.com/24663779/116371171-b8b0d480-a83d-11eb-9514-247f0e5dbfa3.jpg" height="400" />
</div>
Мы будем рады представить вам следующие возможности:
- 📢 Поделиться передовыми технологиями AI-фреймворков
- 💻 Раскрыть работу часто используемых модулей PyTorch
- 📰 Объявлять новости от команды OpenMMLab
- 🚀 Представлять новые алгоритмы, разработанные командой OpenMMLab
- 🏃 Получать более эффективную помощь при решении проблем и обратной связи
- 🔥 Создавать платформу для взаимодействия с разработчиками различных областей
Больше полезной информации 📘, жду вас 💗, сообщество OpenMMLab ждет вашего участия 👬
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 )