我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

mmdetection

2022-09-01 model:mmdetection-ubuntu18.04-cuda11.0-cudnn8-python3.8-pytorch1.7.0-new

模型标签
工具库

工具库简介

工具库介绍: 一个对象检测工具箱,其中包含一组丰富的对象检测和实例分割方法以及相关组件和模块。该工具箱从获得 COCO Challenge 2018 检测赛道的 MMDet 团队的代码库开始,逐渐演变为一个涵盖多种流行检测方法和当代模块的统一平台。它不仅包括训练和推理代码,还为 200 多个网络模型提供了权重。我们相信这个工具箱是迄今为止最完整的检测工具箱。在本文中,我们介绍了该工具箱的各种功能。此外,我们还对不同的方法、组件及其超参数进行了基准测试研究。我们希望工具箱和基准能够通过提供灵活的工具包来重新实现现有方法并开发自己的新检测器,从而为不断发展的研究社区服务。官方论文:https://arxiv.org/pdf/1906.07155v1.pdf


  1. 主要特点

  2. 使用方法

  3. 模型来源


1. 主要特点

1、模块化设计

我们将检测框架分解为不同的组件,通过组合不同的模块可以轻松构建定制的对象检测框架。

2、支持开箱即用

该工具箱直接支持流行和当代的检测框架,例如 Faster RCNN、Mask RCNN、RetinaNet 等。

3、训练效率高

所有基本的 bbox 和掩码操作都在 GPU 上运行。 训练速度比其他代码库更快或相当,包括 Detectron2、maskrcnn-benchmark 和 SimpleDet。

4、最前沿的代码库

该工具箱源于 MMDet 团队开发的代码库,该团队在 2018 年赢得了 COCO 检测挑战赛,

2. 使用方法

平台提供复现所需的权重文件和配置文件,分别在modelsets/mmdetection和root/mmdetection/configs目录下,可在复现命令中修改相应路径进行复现。

3. 模型来源

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