港中文/商汤
MMDetection 是一个基于 PyTorch 的目标检测开源工具箱。
mmcv是mmdetection依赖的重要计算机视觉库。
商汤科技和港中大组成的团队在 2018年的COCO 比赛的物体检测(Detection)项目中夺得冠军,而 mmdetection 正是基于 COCO 比赛时的 codebase 重构。
相比于Facebook开源的Detectron框架,作者声称mmdetection有三点优势:performance稍高、训练速度稍快、所需显存稍小。
通过 MMDetection 中的注册器机制,你可以通过 dict 形式的配置来实例化任何已经注册的类,非常方便和灵活。mmdetection这样通过注册表的方式实现了数据与实现的分离;能更好地对组件进行抽象.
batch_processor 是执行前向传播的核心
runner.run中的before_run等hook都是在runner.register_training_hooks中注册的
自定义模型
MMDetection2(三):自定义模型_秋名山翻车的的博客-CSDN博客_mmdetection自定义模型
mmdetection组件构成与注册表分析 - 简书 mmdetection组件构成与注册表分析
商汤开源目标检测工具箱mmdetection代码详解(一)------ build和Registry和配置信息,分析mmedetection如何动态构建网络_ZJE_ANDY的博客-CSDN博客
商汤开源目标检测工具箱mmdetection代码详解(二)------ mmdetection的训练过程_ZJE_ANDY的博客-CSDN博客_mmdetection代码详解
detectron2 与 mmdetection的区别
从一个搞backbone的炼丹侠的角度讲,mmdetection是更适合科研人员使用的codebase,封装程度恰到好处。
而detectron就有点封装过度了,更适合工业部署,用来搞科研的话魔改起来有点麻烦。
那么推理速度如何?简单地说,Detectron2 比相同 Mask RCNN Resnet50 FPN 模型的 MMdetection 稍快。MMdetection 的 FPS 是 2.45,而 Detectron2 达到 2.59 FPS,在推断单个图像时提高了 5.7% 的速度。