目标检测四大开源神器Detectron2/mmDetection/darknet/SimpleDet

文章来源：CVer微信公众号

Detectron2

维护团队：Facebook
star数：11616
所属框架：PyTorch
https://github.com/facebookresearch/detectron2

Detectron2 前身就是鼎鼎大名的 Detectron，其实Detectron可以说是Facebook第一代检测工具箱，目前在github上获得 23.5k star！

https://github.com/facebookresearch/Detectron

但由于PyTorch版本升级等问题，Detectron目前已停止维护（弃用）。

其实在 Detectron向 Detectron2过渡期间，Facebook Research 还开源了一个知名的项目：maskrcnn-benchmark，目前已获得 7.7 k star！

https://github.com/facebookresearch/maskrcnn-benchmark

听名字应该就知道maskrcnn-benchmark主要是做实例分割和目标检测的，该项目也主要提供了Faster R-CNN和Mask R-CNN算法。

但同样由于PyTorch版本升级等问题，maskrcnn-benchmark目前已停止维护（弃用）。于是 maskrcnn-benchmark 这 7.7 k 的项目就此"搁浅"了。

话题说回主人公：Detectron2（新一代目标检测和分割框架）

Detectron2 不仅支持 Detectron已有的目标检测、实例分割、姿态估计等任务，还支持语义分割和全景分割。新增了Cascade R-CNN，Panoptic FPN和TensorMask新模型。

基于Detectron2二次开发的开源项目

AdelaiDet：实例级识别任务开源工具箱

https://github.com/aim-uofa/AdelaiDet

这个项目后面 Amusi 会单独写一篇文章来介绍，AdelaiDet 主要是阿德莱德大学沈春华团队维护的项目，涉及目标检测、实例分割、文本检测等方向。比如包含了SOLOv1-v2、FCOS、BlendMask、CondInst等工作。

像最近 CVPR 2020、ECCV 2020上有不少好的工作也都是基于 Detectron2开发的，比如DETR、CenterMask：

• https://github.com/facebookresearch/detr
• https://github.com/youngwanLEE/centermask2
• https://github.com/youngwanLEE/vovnet-detectron2
• https://github.com/shenyunhang/NA-fWebSOD/

mmDetection

维护团队：香港中文大学-商汤联合实验室
star数：10769
所属框架：PyTorch
https://github.com/open-mmlab/mmdetection

mmDetection 是个非常强大的目标检测工具箱，也是基于PyTorch实现。Amusi 个人觉得mmDetection可以称为目标检测方向的"国产之光"开源项目！

mmDetection包含模型非常非常多，部分内容如下（不要被吓到）：

支持的backbones：

• ResNet
• ResNeXt
• VGG
• HRNet
• RegNet
• Res2Net

支持的模型：

• RPN
• Fast R-CNN
• Faster R-CNN
• Mask R-CNN
• Cascade R-CNN
• Cascade Mask R-CNN
• SSD
• RetinaNet
• GHM
• Mask Scoring R-CNN
• Double-Head R-CNN
• Hybrid Task Cascade
• Libra R-CNN
• Guided Anchoring
• FCOS
• RepPoints
• Foveabox
• FreeAnchor
• NAS-FPN
• ATSS
• FSAF
• PAFPN
• Dynamic R-CNN
• PointRend
• CARAFE
• DCNv2
• Group Normalization
• Weight Standardization
• OHEM
• Soft-NMS
• Generalized Attention
• GCNet
• Mixed Precision (FP16) Training
• InstaBoost
• GRoIE
• DetectoRS
• Generalized Focal Loss

基于mmdetection二次开发的开源项目

基于mmdetection 开发的开源项目特别特别多，比如最近CVPR 2020上很多检测工作就是基于此开发的。这里就不一一介绍，简单列几个较为知名的：

• https://github.com/Gus-Guo/AugFPN
• https://github.com/FishYuLi/BalancedGroupSoftmax
• https://github.com/JialeCao001/D2Det
• https://github.com/caiqi/sample-weighting-network
• https://github.com/jshilong/SEPC
• https://github.com/Sense-X/TSD
• https://github.com/ggjy/HitDet.pytorch

SimpleDet

维护团队：图森未来（TuSimple）
star数：2691
所属框架：MXNet
https://github.com/TuSimple/simpledet

SimpleDet 是一套简单且多功能的目标检测与实例分割的框架。就这么说吧，如果你是用MXNet来开发检测项目，那么直接用SimpleDet就行。

SimpleDet 包含的库也相当丰富，如：Faster R-CNN，Mask R-CNN，Cascade R-CNN，RetinaNet，DCNv1/v2，TridentNet，NASFPN , EfficientNet, FOCS，FreeAnchor，RepPoints，和SEPC等

SimpleDet 更新频率也相当快，官网给出的更新时间表如下：

darknet

维护团队：AlexeyAB（个人开发者）
star数：11667
所属框架：darknet（基于C语言编写）
https://github.com/AlexeyAB/darknet

说起 darknet 可能有些人并不熟悉，但直接说出它的目标检测真身：YOLO，很多人就知道了。darknet 本身是 YOLO系列中著名的backbone，然后YOLO项目一直放在darknet中。

本文介绍的darknet并非YOLOv1-v3作者（Joseph Redmon）的darknet，而是YOLOv4作者（AlexeyAB）的darknet，因为Joseph Redmon不再继续维护darknet。

值得提一下，本文介绍的darknet的github star数是11667！这个数量要高于上面介绍的Detectron2、mmDetection和SimpleDet。而且这三个项目的commits数量全部加起来都比不过darknet。

darknet中包含的目标检测模型相对上面三大神器要少很多，但个个都是扛把子的，比如YOLO、YOLOv2、YOLOv3和YOLOv4。

如果你想用C/C++来开发目标检测模型，那么darknet是最适合你的神器。

总结

1. 如果你想用PyTorch开发检测项目，则推荐Detectron2、mmDetection；

2. 如果你想用MXNet开发检测项目，则推荐SimpleDet；

3. 如果你想用C/C++开发检测项目，则推荐darknet；

4. 如果你想用YOLO，则可以用darknet，也可以上github搜一下其他框架复现的版本。

5. 如果你想用TensorFlow，则可以用于TensorFlow官方的：https://github.com/tensorflow/models/tree/master/research/object_detection