33K ·GitHub
Что это?
MMDetection — это инструмент с открытым исходным кодом для обнаружения объектов, построенный на PyTorch и входящий в проект OpenMMLab. Он поддерживает обнаружение объектов, сегментацию экземпляров, панорамную сегментацию и обнаружение с частично размеченными данными.
MMDetection — это инструмент с открытым исходным кодом для обнаружения объектов, построенный на PyTorch и входящий в проект OpenMMLab. Он поддерживает обнаружение объектов, сегментацию экземпляров, панорамную сегментацию и обнаружение с частично размеченными данными.Это фреймворк, на основе которого я строю свои решения, или готовое приложение?Это модульный исследовательский фреймворк (библиотека): он разбивает конвейер обнаружения на компоненты (бэкбоны, неки, головы), так что из этих модулей можно собрать собственные детекторы.
Это модульный исследовательский фреймворк (библиотека): он разбивает конвейер обнаружения на компоненты (бэкбоны, неки, головы), так что из этих модулей можно собрать собственные детекторы.Как мне это запустить?Следуйте официальному руководству по установке. После установки используйте пользовательские руководства по обучению и тестированию, запуску инференса на готовых моделях и подготовке датасетов.
Следуйте официальному руководству по установке. После установки используйте пользовательские руководства по обучению и тестированию, запуску инференса на готовых моделях и подготовке датасетов.Что нужно установить, чтобы это заработало?Нужен PyTorch версии 1.8 и выше, а также две связанные библиотеки OpenMMLab: MMEngine (для обучения) и MMCV (базовые операции компьютерного зрения), от которых проект сильно зависит.
Нужен PyTorch версии 1.8 и выше, а также две связанные библиотеки OpenMMLab: MMEngine (для обучения) и MMCV (базовые операции компьютерного зрения), от которых проект сильно зависит.Это всё ещё активно поддерживаемая версия или стоит посмотреть что-то новее?Проект активно обновляется новыми релизами (например, v3.3.0 и MM-Grounding-DINO в 2024 году). Но пользователям, переходящим со старой серии 2.x, нужно следовать отдельному руководству по миграции, так как API изменились.
Проект активно обновляется новыми релизами (например, v3.3.0 и MM-Grounding-DINO в 2024 году). Но пользователям, переходящим со старой серии 2.x, нужно следовать отдельному руководству по миграции, так как API изменились.Насколько велик зоопарк моделей?Очень велик: он включает десятки архитектур, в том числе Faster R-CNN, Mask R-CNN, RetinaNet, варианты DETR, Swin Transformer, YOLOX, RTMDet, Grounding DINO и многие другие для обнаружения, сегментации экземпляров и панорамной сегментации.
Очень велик: он включает десятки архитектур, в том числе Faster R-CNN, Mask R-CNN, RetinaNet, варианты DETR, Swin Transformer, YOLOX, RTMDet, Grounding DINO и многие другие для обнаружения, сегментации экземпляров и панорамной сегментации.Что такое RTMDet и почему его выделяют?RTMDet — это семейство одноэтапных полностью свёрточных детекторов реального времени, выпущенных проектом. Они дают передовой баланс между числом параметров и точностью при обнаружении объектов, а также лидируют в сегментации экземпляров и обнаружении повёрнутых объектов, например, 52.8 AP при 322 FPS на COCO.
RTMDet — это семейство одноэтапных полностью свёрточных детекторов реального времени, выпущенных проектом. Они дают передовой баланс между числом параметров и точностью при обнаружении объектов, а также лидируют в сегментации экземпляров и обнаружении повёрнутых объектов, например, 52.8 AP при 322 FPS на COCO.Что такое MM-Grounding-DINO?Это открытое воспроизведение и улучшение Grounding DINO командой проекта. Grounding DINO объединяет обнаружение объектов с открытым словарём и привязку фраз к изображению. Опубликованы предобученные веса Swin-B и Swin-L, а также результаты оценок в сценариях OOD, REC, phrase grounding, OVD и дообучения.
Это открытое воспроизведение и улучшение Grounding DINO командой проекта. Grounding DINO объединяет обнаружение объектов с открытым словарём и привязку фраз к изображению. Опубликованы предобученные веса Swin-B и Swin-L, а также результаты оценок в сценариях OOD, REC, phrase grounding, OVD и дообучения.Насколько быстро MMDetection обучается по сравнению с другими инструментами?Авторы утверждают, что скорость обучения выше или сопоставима с другими кодовыми базами, такими как Detectron2, maskrcnn-benchmark и SimpleDet.
Авторы утверждают, что скорость обучения выше или сопоставима с другими кодовыми базами, такими как Detectron2, maskrcnn-benchmark и SimpleDet.What are similar projects?deep-learning-for-image-processing, Swin-Transformer, PaddleDetection, GroundingDINO, detr, VisionHOPE, yolov10, ultralytics
deep-learning-for-image-processing, Swin-Transformer, PaddleDetection, GroundingDINO, detr, VisionHOPE, yolov10, ultralyticsWhich topics is it in?swin-transformer, mask-rcnn, instance-segmentation, vision-transformer, yolo, segmentation, object-detection, transformer, computer-vision, pytorch, deep-learning, research
swin-transformer, mask-rcnn, instance-segmentation, vision-transformer, yolo, segmentation, object-detection, transformer, computer-vision, pytorch, deep-learning, research