mmdet网络简介:
一、模块化设计
我们将检测框架分解成不同的组件,通过组合不同的模块,可以很容易地构建自定义的对象检测框架。
二、支持多个框架开箱即用
工具箱直接支持流行的和当代的检测框架,例如:Faster-RCNN,Mask-RCNN, RetinaNet等。
三、 效率高
所有基本的bbox和掩码操作都运行在gpu上,训练速度比更快。
四、基准模型
支持的6个主流backbone:
- ResNet
- ResNeXt
- VGG
- HRNet
- RegNet
- Res2Net
支持的方法:
以下全部为目标检测模型,其各自特点简介如下:
-
[Fast R-CNN]:在RCNN基础上引入ROI pooling算法。Fast RCNN将RCNN众多步骤整合在一起,不仅大大提高了检测速度,也提高了检测准确率。
-
[Faster R-CNN]:该算法在fast rcnn基础上提出了RPN候选框生成算法,使得目标检测速度大大提高。
-
[Mask R-CNN]:在 Faster R-CNN基础上引入ROI-aliment算法,使得综合性能有较大提高,在检测速度方面尤为明显。
-
[Cascade R-CNN]: 采用了Cascade的骨架模型,使算法更高效,提高了检测质量,获得更精确的检测结果。几乎对于任意的R-CNN(Faster rcnn,FPN,R-FCN等)都可以带来2到4个点的AP提升