MMdet 网络集简介

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࿰