PyTorch开源物体检测工具包

 

 

MMDetection是一个基于PyTorch的开源物体检测工具包。该工具包采用模块化设计，支持多种流行的物体检测和实例分割算法，并且可以灵活地进行拓展，在速度和显存消耗上也具有优势。(https://github.com/open-mmlab/mmdetection)

 

目前已经支持单阶段检测器如SSD/RetinaNet/FCOS/FSAF，两阶段检测器如FasterR-CNN/Mask R-CNN，多阶段检测器如Cascade R-CNN/Hybrid Task Cascade等，另外支持许多相关模块如DCN/Soft-NMS/OHEM等，也支持混合精度训练。有很多最新的工作也在MMDetection上开源。

 

团队为之提供了完整的训练和测试框架，以及超过200个训练好的模型及其测试结果，希望能为社区提供统一的开发平台和测试基准，助力物体检测的相关研究。

 

MMAction是一个基于Pytorch的开源视频动作理解工具包，囊括了视频动作分类、时域动作检测（定位）、时空动作检测等视频理解的基础任务。(https://github.com/open-mmlab/mmaction)

 

目前已经支持双流、TSN、SSN等动作分类和动作检测框架和基于Fast R-CNN的时空动作检测基线模型，支持Plain 2D/Inflated3D/Non-local等流行的网络结构，支持UCF-101、Something-Something、Kinetics、THUMOS14、ActivityNet、AVA等视频数据集，并提供相关的预训练模型。

 

作为Open-MMLab系统开源项目的一部分，团队希望MMAction可以成为视频研究人员的测试平台，促进视频动作理解领域更上新台阶。