全新OpenMMLab邀你入伙 共创AI开源世界

编者按：经历两年多的沉淀，OpenMMLab开源算法社区在Github上已收获30000+次点赞，涉及10+个研究方向，开源了超过130+种算法和1000+种预训练模型。

开放多元的互动氛围和鼓励创新的学术环境，让OpenMMLab不断吸引着众多参与者和贡献者。新的一年，OpenMMLab正式以全新的面貌和大家见面！包括上线社区治理体系，发布社区贡献排行，启动贡献奖励机制，改版更新官方网站。

故事的开始，要从OpenMMLab的DNA说起。

OpenMMLab是一个人工智能算法开放体系，同时是一个开放多元的社区。在不断优化的社区环境中，开放、认真、持续成长的社区原则也随之得到巩固和发扬。

• 开放：秉持开放精神，欢迎不同背景的同学参与项目，鼓励写作，包容差异，维护健康的社区氛围

• 认真：鼓励参与者认真对待每项工作、每段代码、每份文档，努力打造高质量、可依赖、可维护的开源项目

• 持续成长：吸纳愿意持续投入的同学参与社区建设，尊重不同阶段参与者的贡献，培育充满活力和可持续成长的社区

OpenMMLab鼓励任何开发者参与项目，并在社区作出贡献。具体活动包括但不限于：

• 代码贡献：鼓励任何开发者参与已有项目的开发和维护，或者贡献新的开源项目。独立开发人员将受到高度重视

• 项目影响力贡献：包括技术教程，宣传文案的输出，问题讨论，评论回复等

面向各路有意愿加入OpenMMLab团队的高手，这里配备了上好兵器（500+ GPU任你调用，还有大批量 V100/A100 在路上）和超强后盾（精通框架，技术难题秒解。有机会与MMLab大牛教授合作）。

入门小白也可以在这里获得武林进阶秘籍（从标准代码入门到review代码手把手教学），得到针对性培养，实现快速成长。

开源机遇，共同定义，OpenMMLab真诚地欢迎，每个你。

▎OpenMMLab社区治理体系

基于优化社区环境、激发社区活力的需求，OpenMMLab社区治理体系应运而生。在明确社区治理架构的同时，治理体系也确定了社区主要角色，共包括：

• 指导委员会 Steering Board

• 技术委员会 Technical Committee

• 维护者 Maintainer

• 提交者 Committer

• 开发者 Developer

• 用户 User

社区角色没有高低之分，只有责任与分工的不同；OpenMMLab鼓励各种形式的社区贡献；角色的改变需要相应贡献分作为基础；此外，并非只有 “大牛” 才能贡献，团队有相应的规划提供帮助与指导，促进成员共同成长。

不仅是代码贡献，使用、宣传，乃至讨论，都是社区贡献的不同体现。为了更好地记录大家的贡献，OpenMMLab正式推出贡献排行榜。

▎OpenMMLab贡献排行榜

从今年开始，OpenMMLab社区将会评选月度贡献之星与月度活跃之星，并随着OpenMMLab官方月刊对外公示。

贡献之星即每月贡献榜（即将正式对外公布）排行第一的同学。活跃之星即在OpenMMLab官方社群中最活跃的同学。值得注意的是，所有参选都将排除OpenMMLab内部同学，同时确保公开透明可验证。

在调研了大家的反馈之后，确定2021年奖励如下：

• 月度活跃奖：OpenMMLab定制钥匙扣

• 月度贡献奖：OpenMMLab定制U盘

• 年底年度奖项可获得：NVIDIA旗舰级显卡

• 全年获得月度贡献奖三次或以上者将额外获得OpenMMLab定制勋章一个（24k 纯金定制款）

• 贡献榜排名前三（任何时刻皆可）可进入快速面试通道，获得实习或工作机会

▎OpenMMLab全新官网

OpenMMLab官网也以新的面貌与大家见面。在这里你可以很方便的找到 OpenMMLab的相关信息：

• 如何安装

• 官方项目

• 公开数据集

• 详细教程

• 治理体系

• QQ 社区群组入口

• 贡献榜单排行入口

▎OpenMMLab相关入口列表

• OpenMMLab官网：https://openmmlab.com/home

• OpenMMLab贡献榜单：https://community.openmmlab.com/board

• OpenMMLab简历投递通道：[email protected]，请注明 OpenMMLab

• 微信视频号：搜索“OpenMMLab”

• OpenMMLab社区群二维码：

• MMCV: https://github.com/open-mmlab/mmcv

• MMClassification: https://github.com/open-mmlab/mmclassification

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

• MMDetection3D: https://github.com/open-mmlab/mmdetection3d

• MMSegmentation: https://github.com/open-mmlab/mmsegmentation

• MMPose: https://github.com/open-mmlab/mmpose

• MMAction2: https://github.com/open-mmlab/mmaction2

• MMTracking: https://github.com/open-mmlab/mmtracking

• MMEditing: https://github.com/open-mmlab/mmediting