OpenMMLab简介

      OpenMMLab是一个适用于学术研究和工业应用的开源算法体系，涵盖了计算机视觉的许多研究课题，于2018年10月启动。主要包括2部分：开源项目和开放数据集。以下内容主要摘自于：https://openmmlab.com/

      开源项目：https://github.com/open-mmlab ，包含很多项目，由于每个项目起始开发时间不同，因此各个项目发布版本并不统一，有些项目版本更新较快。而且对于Python、PyTorch、CUDA的版本要求也并不统一，大部分项目需要Python 3.6以上版本，需要PyTorch 1.5以上版本，CUDA可以使用10.2(因为PyTorch各个版本对CUDA 10.2都有支持)。有些项目需CUDA的支持，否则功能会不完善，如MMDetection。支持Windows、Linux和Mac平台。License为Apache-2.0。有些项目之间有依赖关系。从各个项目的名字大体可以看出此项目的主要内容。

      1.MMCV：是一个面向计算机视觉的基础库，它支持很多开源项目，如MMDetection、MMOCR等。最新发布版本为v1.6.1。

      2.MMDetection：是一个基于PyTorch的目标检测开源工具箱。最新发布版本为v2.25.1。

      3.MMDetection3D：是一个基于PyTorch的目标检测开源工具箱，下一代面向3D检测的平台。最新发布版本为v1.0.0rc3。

      4.MMEditing：是一个基于PyTorch的图像&视频编辑开源工具箱，支持超分辨率、修复、抠图、视频插值等。最新发布版本为v0.15.1。

      5.MMAction2：是一个基于PyTorch的视频理解开源工具箱。最新发布版本为v0.24.1。

      6.MMSegmentation：是一个基于PyTorch的语义分割开源工具箱。最新发布版本为v0.27.0。

      7.MMClassification：是一个基于PyTorch的开源图像分类工具箱。最新发布版本为v0.23.2。

      8.MMPose：是一个基于PyTorch的姿态分析的开源工具箱。最新发布版本为v0.28.1。

      9.MMTracking：是一个基于PyTorch的视频目标感知开源工具箱。最新发布版本为v0.13.0。

      10.MMOCR：是一个基于PyTorch和MMDetection的开源工具箱，专注于文本检测，文本识别以及相应的下游任务，如关键信息提取。最新发布版本为v0.6.0。

      11.MMGeneration：是一个基于PyTorch和MMCV的强有力的生成模型工具箱，尤其专注于GAN模型。最新发布版本为v0.7.1。

      12.MMRotate：是一个基于PyTorch的旋转框检测的开源工具箱。最新发布版本为v0.3.2。

      13.MMDeploy：是OpenMMLab模型部署工具箱，为各算法库提供统一的部署体验。最新发布版本为v0.6.0。

      14.MMRazor：是一个可用于模型瘦身和AutoML的模型压缩工具箱。最新发布版本为v0.3.1。

      15.MMHuman3D：是一个基于PyTorch的人体参数化模型的开源工具箱。最新发布版本为v0.9.0。

      16.MMSelfSup：是一个基于PyTorch实现的开源自监督表征学习工具箱。最新发布版本为v0.9.2。

      17.MMFlow：是一个基于PyTorch的光流工具箱。最新发布版本为v0.5.1。

      18.MMFewShot：是一个基于PyTorch的少样本学习代码库。最新发布版本为v0.1.0。

      开放数据集：不支持匿名下载

      1.DeeperForensics-1.0 Dataset：是用于现实世界中人脸伪造检测的新数据集。

      2.FineGym：一个基于体操运动视频建立的新数据集。

      3.MovieNet：是用于全面理解电影的数据集。

      4.MessyTable：包含大量从多个摄像机视图中捕获的混乱的桌子的场景。

      5.Placepedia：包含24万个地点，其中包含来自世界各地的3500万张图片。

      6.TAPOS：是一个基于体育视频构建的，带有子动作人工标注的新数据集。

      7.CULane：是一个大规模的极具挑战性的车道线检测学术数据集。

      8.DeepFashion Dataset：是一个大型服装数据库。

      9.FashionGAN Dataset：是基于DeepFashion数据集的子集上新标注(语言和分段映射)的数据集。

      10.kinetics-skeleton：是一个基于骨骼的人体理解的数据集。

      11.OST dataset：室外场景数据集。

      12.Web Image Dataset for Event Recognition(WIDER)：是用于从静态图像识别复杂事件的数据集。

      13.Wider 2019：数据集围绕人脸和身体的精确定位以及身份的精确识别这一问题。

      14.WIDER ATTRIBUTE Dataset：是人类属性识别基准数据集，其图像是从可公开获得的WIDER数据集中选择的。

      15.WIDER FACE Dataset：是一个面部检测基准数据集，其图像是从可公开获得的WIDER数据集中选择的。

      16.WildLife Documentary(WLD) Dataset：包含从YouTube下载的15部纪录片，其时长从9分钟到长达50分钟不等，并且总帧数超过747000。

      17.CUHK Face Sketch FERET Database(CUFSF)：用于人脸素描合成和人脸素描识别的研究。

      18.CUHK Image Cropping Dataset：该数据集提出了一种自动图像裁剪的方法。

      19.CUHK-PEDES：一个大型的人形描述数据集，其中包含来自各种来源的人形图像详细信息的语言标注。

      20.Expression in-the-Wild(ExpW) Dataset：包含91793个手动标记了表达式的面部。

      21.General 100 Dataset：包含100个bmp格式的图像(无压缩)。

      22.LPW：收集于三个不同的拥挤场景中。

      23.MIT Trajectory Dataset(Single Camera)：用于研究以对象轨迹为特征的单个摄像机视图中的活动分析。

      24.Multi-Task Facial Landmark(MTFL) Dataset：用于训练人脸界标检测的多任务深度模型。

      25.Pedestrian Color Naming Dataset：包含14213 张图像，每张图像均用每个像素的颜色标签进行了手工标记。

      26.Social Relation Dataset：根据凯斯勒(Kiesler)提出的人际关系圈来定义社会关系特征，其中人际关系被分为16个部分。

      27.The Comprehensive Cars(CompCars) dataset：包含来自两种方案的数据，包括来自网络和监控的图像。

      28.Visual Discriminative Question Generation(VDQG) Dataset：包含从Visual Genome收集的11202个模糊图像对。

      29.WWW Crowd Dataset：是具有人群属性标注的最大人群数据集。

      30.OmniSource：是一个以Kinetics-400类名称作为查询的多元化Web数据集。

      31.ForgeryNet Dataset：是一个大型面部伪造数据集，它在四个任务中对图像和视频级数据进行统一的标注。

      另外在知乎https://www.zhihu.com/people/openmmlab 上也有很多技术文章。

      GitHub：https://github.com/fengbingchun/PyTorch_Test