港中文-商汤OpenMMLab开源全景图！
OpenMMLab 为香港中文大学-商汤科技联合实验室 MMLab 开源的平台，不到两年时间，已经包含众多 SOTA 计算机视觉算法。
OpenMMLab 在Github上不是一个单独项目，除了大家所熟知的 Github 上万 star 目标检测库 MMDetection，还有其他方向的代码库和数据集，非常值得从事计算机视觉研发的朋友关注。
近期 OpenMMLab 进行了密集更新，新增了多个库，官方称涉及超过 10 个研究方向，开放超过 100 种算法和 600 种预训练模型，目前Github总星标超过 1.7 万。是CV方向系统性较强、社区活跃的开源平台。
这些库大部分都基于 PyTorch 框架，算法紧跟前沿，方便易用，文档较为丰富，无论对于研究还是工程开发的朋友都很值得了解。
项目主页：
http://openmmlab.org/
本文带领大家细数各个代码库，相信总有一款适合你！
MMCV
MMCV是用于计算机视觉研究的基础Python库，支持OpenMMLab旗下其他开源库。
Github | https://github.com/open-mmlab/mmcv
主要功能是I/O、图像视频处理、标注可视化、各种CNN架构、各类CUDA操作算子。
MMDetection
MMDetection是基于PyTorch的开源目标检测工具箱。是OpenMMLab最知名的开源库，几乎是研究目标检测必备！
主要特点：
模块化设计
支持开箱即用的多方法
高效率
SOTA
demo：
Github | https://github.com/open-mmlab/mmdetection
主持的主干网:
ResNet
ResNeXt
VGG
HRNet
RegNet
Res2Net
支持的算法:
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
MMDetection3D
从CVPR2020 中也可以看出3D目标检测研究异常火热，该库是专门用于3D目标检测的开源库。
主要特点：
支持开箱即用的多模态/单模态检测器
支持开箱即用的室内/室外检测器
与2D目标检测自然融合
高效率
demo：
Github | https://github.com/open-mmlab/mmdetection3d
MMSegmentation
MMSegmentation是一个基于PyTorch的开源语义分割工具箱.
主要特点：
统一基准
模块化设计
支持开箱即用的多方法
高效率
demo：
Github | https://github.com/open-mmlab/mmsegmentation
支持的骨干网:
ResNet
ResNeXt
HRNet
支持的算法:
FCN
PSPNet
DeepLabV3
PSANet
DeepLabV3+
UPerNet
NonLocal Net
EncNet
CCNet
DANet
GCNet
ANN
OCRNet
MMClassification
MMClassification是基于PyTorch的开源图像分类工具箱。
主要特点：
各种骨干与预训练模型
Bag of training tricks
大规模训练配置
高效率与可扩展性
Github | https://github.com/open-mmlab/mmclassification
支持的骨干网:
ResNet
ResNeXt
SE-ResNet
SE-ResNeXt
RegNet
ShuffleNetV1
ShuffleNetV2
MobileNetV2
MobileNetV3
MMPose
MMPose是一个基于PyTorch的开源姿势估计工具箱。
demo：
Github | https://github.com/open-mmlab/mmpose
论文盘点 | CVPR 2020 -人体姿态估计与动作捕捉篇
MMAction
MMAction是一个基于PyTorch开放源代码的工具箱，用于动作理解。
主要特点：
可以解决以下任务：
从剪辑视频中进行动作识别
未剪辑视频中的时序动作检测（也称为动作定位）
未剪辑视频中的时空动作检测。
支持各种数据集
支持多动作理解框架
模块化设计
Github | https://github.com/open-mmlab/mmaction
MMAction2
MMAction2是一个基于PyTorch开放源代码的工具箱，用于动作理解。
主要特点：
模块化设计
支持多种数据集
支持多重动作理解框架
完善的测试和记录
MMAction2比MMAction支持的算法更多，速度更快，开发者也更活跃。
demo：
Github | https://github.com/open-mmlab/mmaction2
支持的动作识别算法:
TSN
TSM
R(2+1)D
I3D
SlowOnly
SlowFast
支持的动作定位算法:
BMN
BSN
MMSkeleton
MMSkeleton
用于人体姿势估计，基于骨架的动作识别和动作合成。
特点：
高扩展性
多任务
demo：
Github | https://github.com/open-mmlab/mmskeleton
MMFashion
MMFashion是一个基于PyTorch的开源视觉时尚分析工具箱。
特点：
灵活：模块化设计，易于扩展
友好：外行用户的现成模型
全面：支持各种时装分析任务
demo：
Github | https://github.com/open-mmlab/mmfashion
支持应用：
服饰属性预测
服饰识别与检索
服饰特征点检测
服饰解析和分割
服饰搭配推荐
MMEditing
MMEditing是基于PyTorch的开源图像和视频编辑工具箱
主要特点：
模块化设计
在编辑中支持多任务
SOTA
demo：
Github | https://github.com/open-mmlab/mmediting
OpenPCDet
OpenPCDet 是一个清晰，简单，自成体系的开源项目，用于基于LiDAR的3D目标检测。
设计模式：
Github | https://github.com/open-mmlab/OpenPCDet
支持一阶段和两阶段的3D目标检测框架、多机多卡分布式训练和测试、ATSS等。
OpenUnReID
OpenUnReID是研究用于目标重识别的无监督学习和无监督域适应的开源库，基于PyTorch实现。
主要特点：
多机多卡分布式训练和测试
支持数据集、骨干网、损失函数高度灵活的结合
高速的基于GPU的伪标签生成和k-reciprocal重排序方法
即插即用的适用任何骨干网的批规范化方法：BatchNorms、sync BN
强大的基线实现
目前目标重识别领域无监督学习和域适应的众多SOTA算法
支持算法：
Github | https://github.com/open-mmlab/OpenUnReID
OpenSelfSup
OpenSelfSup是基于PyTorch的无监督表示学习工具箱
主要特点：
方法众多
灵活可扩展
高效
算法比较评测简单
包含算法：
其中BYOL刚出来没多久！
Github | https://github.com/open-mmlab/OpenSelfSup
声明：文章收集于网络，版权归原作者所有，为传播信息而发，如有侵权，请联系小编删除，谢谢！
时间:2020-07-23 00:21 来源: 转发量:次
声明：本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品，请与我们取得联系，我们会及时修改或删除。
相关文章：
相关推荐：
网友评论：
最新文章
热门文章
