OpenMMLab AI实战营第五课笔记

目标检测工具包MMDetection

开源地址：github.com/open-mmlab/mmdetection

发展历程

• 2018-10 发布
• 2019-07 v1.0
• 2020-05 v2.0
• 2022-09 v3.0rc

特点

任务支持

• 目标检测
• 实例分割
• 全景分割

覆盖广泛

• 440+个预训练模型
• 60+篇论文复现
• 常用学术数据集

算法丰富

• 两阶段检测器
• 一阶段检测器
• 级联检测器
• 无锚框检测器
• Transformer

使用方便

• 训练工具
• 测试工具
• 全景分割 推理 API

广泛应用

科研论文
2018 年至今谷歌学术引用超过943 次；仅计算机视觉三大顶会上被超过100 篇论文作为基础代码库；

工业落地
商汤、腾讯、阿里、华为、国内外初创公司

学术比赛

• COCO 2018 实例分割冠军
• COCO 2019 实例分割冠军
• Open Images 2019 物体检测冠军
• Global Wheat Detection冠军
• Crowd Human 人体检测冠军
• Materialist(FGVC6) 2019冠军

MMDetection 可以做什么

• MMDetection 提供400 余个性能优良的预训练模型，开箱即
  用，几行Python API 即可调用强大的检测能力
• MMDetection 涵盖60 余个目标检测算法，并提供方便易用的
  工具，经过简单的配置文件改写和调参就可以训练自己的目标检
  测模型

训练自己的检测模型

通常基于微调训练：
• 使用基于COCO预训练的检测模型作为梯度下降的“起点”
• 使用自己的数据进行“微调训练”，通常需要降低学习率
具体到MMDetection，需要：
• 选择一个基础模型，下载对应的配置文件和预训练模型的参数文件
• 将数据整理成MMDetection的支持的格式，如COCO格式或者自定义格式
• 修改配置文件：
• 修改配置文件中的数据路径
• 修改模型的分类头
• 设置加载预训练模型
• 修改优化器配置（学习率、训练轮次等）
• 修改一些杂项