tensorflow 目标分割_一文览尽目标检测开源框架

整理：Tom Hardy
对目标检测开源框架进行了汇总，无论是模型的快速实现，抑或是落地调优，都非常方便

1、mmDetection

维护：商汤科技

Github连接：https://github.com/open-mmlab/mmdetection

为目标检测而生的框架，商汤科技和香港中文大学联合开源。支持的模型越来越多（如下图所示），模块化的设计：backbone、neck、box_head、rpn_head的自由组合，非常适合模型的快速设计和优化。主要包括one-stage、two-stage、实例分割等模型。

2、Detectron/Detectron2

维护：Facebook

Github连接：https://github.com/facebookresearch/detectron2

Detectron现有两个版本，2版在model zoos和速度上做了优化，涉及目标检测、关键点检测、实例分割、全景分割等模型。

3、Object Detection Api

维护：Google

Github链接：https://github.com/tensorflow/models/tree/master/research

4、SimpleDet

维护：图森未来

Github链接：TuSimple/simpledet

5、GluonCV

维护：李沐及 MXNet 团队

Github链接：dmlc/gluon-cv

GluonCV 0.3版本加入5个算法和38个预训练模型，并改进了28个已有模型。在ResNet，MobileNet，Yolo-V3，Faster-RCNN和DeepLab-V3等模型上全面超越目前最好结果。

6、Det3D - 首个通用 3D 目标检测框架 (已开源)

Github链接：https://github.com/poodarchu/Det3D

Det3D 支持的数据集：

• KITTI http://www.cvlibs.net/datasets/kitti/
• nuScenes https://www.nuscenes.org/
• Lyft https://level5.lyft.com/dataset/
• ...

以及目前支持的模型：

• VoxelNet
• SECOND
• CBGS Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection
• Point Pillars
• PIXOR
• PointNet++
• Point RCNN （即将 release）
• ...

Det3D 的一些新特性：

• 多 GPU 训练 Distributed Data Parallel
• 统一的数据集 API
• 统一的 config
• 统一的训练流程
• 统一的数据增强 pipeline
• 支持灵活的扩展
• 支持 sync bn
• state of the art 的性能（CBGS）
• 完备的可视化功能（数据、label、feature map、多视图、3D）
• 提供地平面检测等辅助模块

往期干货资源：

汇总 | 国内最全的3D视觉学习资源，涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习（3D+2D）、图像处理、立体视觉、结构光等方向！

汇总 | 3D目标检测（基于点云、双目、单目）

汇总 | 6D姿态估计算法（基于点云、单目、投票方式）

汇总 | 三维重建算法实战（单目重建、立体视觉、多视图几何）

汇总 | 3D点云后处理算法（匹配、检索、滤波、识别）

汇总 | SLAM算法（视觉里程计、后端优化、回环检测）

汇总 | 深度学习&自动驾驶前沿算法研究（检测、分割、多传感器融合）

汇总 | 相机标定算法

汇总 | 事件相机原理

汇总 | 结构光经典算法

汇总 | 缺陷检测常用算法与实战技巧