MMDetection: Open MMLab Detection Toolbox and Benchmark论文笔记

Attention:

论文解读的博客原文发布于个人github论文合集 欢迎关注，有想法欢迎一起讨论！私信评论均可。

后面有些语法在CSDN的markdown上不支持，导致显示bug，我就懒得改了，有需求直接访问原博客查看。

创建人	github论文汇总	个人博客	知乎论文专栏
ming71	paperdaily	chaser	专栏

论文发布日期：2019.6.17

1. Introduction

MMdetection的特点：

• 模块化设计：将不同网络的部分进行切割，模块之间具有很高的复用性和独立性（十分便利，可以任意组合）
• 高效的内存使用
• SOTA

2. Support Frameworks

• 单阶段检测器
  SSD、RetinaNet、FCOS、FSAF

• 两阶段检测器
  Faster R-CNN、R-FCN、Mask R-CNN、Mask Scoring R-CNN、Grid R-CNN

• 多阶段检测器
  Cascade R-CNN、Hybrid Task Cascade

• 通用模块和方法
  soft-NMS、DCN、OHEN、Train from Scratch 、M2Det 、GN 、HRNet 、Libra R-CNN

3. Architecture

模型表征：划分为以下几个模块：
Backbone（ResNet等）、Neck（FPN）、DenseHead（AnchorHead）、RoIExtractor、RoIHead（BBoxHead/MaskHead）
结构图如下：

4. Notice

• 1x代表12epoch的COCO训练，2x类似推导
• 由于batch-size一般比较小（1/2这样的量级），所以大多数地方默认冻结BN层。可以使用GN代替。

相关地址链接

OpenMMLab官方工具箱地址：mmdetection官方github

个人注释的mmdetection代码（推荐）：mmdetection注释github

---