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