| <div align="center"> | |
| <img src="resources/mmdet-logo.png" width="600"/> | |
| </div> | |
| **新闻**: 我们在 [ArXiv](https://arxiv.org/abs/1906.07155) 上公开了技术报告。 | |
| 文档: https://mmdetection.readthedocs.io/ | |
| ## 简介 | |
| [English](README.md) | 简体中文 | |
| MMDetection 是一个基于 PyTorch 的目标检测开源工具箱。它是 [OpenMMLab](https://openmmlab.com/) 项目的一部分。 | |
| 主分支代码目前支持 PyTorch 1.3 以上的版本。 | |
| v1.x 的历史版本支持 PyTorch 1.1 到 1.4，但是我们强烈建议用户使用新的 2.x 的版本，新的版本速度更快，性能更高，有更优雅的代码设计，对用户使用也更加友好。 | |
|  | |
| ### 主要特性 | |
| - **模块化设计** | |
| MMDetection 将检测框架解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的检测模型 | |
| - **丰富的即插即用的算法和模型** | |
| MMDetection 支持了众多主流的和最新的检测算法，例如 Faster R-CNN，Mask R-CNN，RetinaNet 等。 | |
| - **速度快** | |
| 基本的框和 mask 操作都实现了 GPU 版本，训练速度比其他代码库更快或者相当，包括 [Detectron2](https://github.com/facebookresearch/detectron2), [maskrcnn-benchmark](https://github.com/facebookresearch/maskrcnn-benchmark) 和 [SimpleDet](https://github.com/TuSimple/simpledet)。 | |
| - **性能高** | |
| MMDetection 这个算法库源自于 COCO 2018 目标检测竞赛的冠军团队 *MMDet* 团队开发的代码，我们在之后持续进行了改进和提升。 | |
| 除了 MMDetection 之外，我们还开源了计算机视觉基础库 [MMCV](https://github.com/open-mmlab/mmcv)，MMCV 是 MMDetection 的主要依赖。 | |
| ## 开源许可证 | |
| 该项目采用 [Apache 2.0 开源许可证](LICENSE)。 | |
| ## 更新日志 | |
| 最新的月度版本 v2.11.0 在 2021.04.01 发布。 | |
| 如果想了解更多版本更新细节和历史信息，请阅读[更新日志](docs/changelog.md)。 | |
| 在[兼容性说明文档](docs/compatibility.md)中我们提供了 1.x 和 2.0 版本的详细比较。 | |
| ## 基准测试和模型库 | |
| 测试结果和模型可以在[模型库](docs/model_zoo.md)中找到。 | |
| 已支持的骨干网络： | |
| - [x] ResNet (CVPR'2016) | |
| - [x] ResNeXt (CVPR'2017) | |
| - [x] VGG (ICLR'2015) | |
| - [x] HRNet (CVPR'2019) | |
| - [x] RegNet (CVPR'2020) | |
| - [x] Res2Net (TPAMI'2020) | |
| - [x] ResNeSt (ArXiv'2020) | |
| 已支持的算法： | |
| - [x] [RPN (NeurIPS'2015)](configs/rpn) | |
| - [x] [Fast R-CNN (ICCV'2015)](configs/fast_rcnn) | |
| - [x] [Faster R-CNN (NeurIPS'2015)](configs/faster_rcnn) | |
| - [x] [Mask R-CNN (ICCV'2017)](configs/mask_rcnn) | |
| - [x] [Cascade R-CNN (CVPR'2018)](configs/cascade_rcnn) | |
| - [x] [Cascade Mask R-CNN (CVPR'2018)](configs/cascade_rcnn) | |
| - [x] [SSD (ECCV'2016)](configs/ssd) | |
| - [x] [RetinaNet (ICCV'2017)](configs/retinanet) | |
| - [x] [GHM (AAAI'2019)](configs/ghm) | |
| - [x] [Mask Scoring R-CNN (CVPR'2019)](configs/ms_rcnn) | |
| - [x] [Double-Head R-CNN (CVPR'2020)](configs/double_heads) | |
| - [x] [Hybrid Task Cascade (CVPR'2019)](configs/htc) | |
| - [x] [Libra R-CNN (CVPR'2019)](configs/libra_rcnn) | |
| - [x] [Guided Anchoring (CVPR'2019)](configs/guided_anchoring) | |
| - [x] [FCOS (ICCV'2019)](configs/fcos) | |
| - [x] [RepPoints (ICCV'2019)](configs/reppoints) | |
| - [x] [Foveabox (TIP'2020)](configs/foveabox) | |
| - [x] [FreeAnchor (NeurIPS'2019)](configs/free_anchor) | |
| - [x] [NAS-FPN (CVPR'2019)](configs/nas_fpn) | |
| - [x] [ATSS (CVPR'2020)](configs/atss) | |
| - [x] [FSAF (CVPR'2019)](configs/fsaf) | |
| - [x] [PAFPN (CVPR'2018)](configs/pafpn) | |
| - [x] [Dynamic R-CNN (ECCV'2020)](configs/dynamic_rcnn) | |
| - [x] [PointRend (CVPR'2020)](configs/point_rend) | |
| - [x] [CARAFE (ICCV'2019)](configs/carafe/README.md) | |
| - [x] [DCNv2 (CVPR'2019)](configs/dcn/README.md) | |
| - [x] [Group Normalization (ECCV'2018)](configs/gn/README.md) | |
| - [x] [Weight Standardization (ArXiv'2019)](configs/gn+ws/README.md) | |
| - [x] [OHEM (CVPR'2016)](configs/faster_rcnn/faster_rcnn_r50_fpn_ohem_1x_coco.py) | |
| - [x] [Soft-NMS (ICCV'2017)](configs/faster_rcnn/faster_rcnn_r50_fpn_soft_nms_1x_coco.py) | |
| - [x] [Generalized Attention (ICCV'2019)](configs/empirical_attention/README.md) | |
| - [x] [GCNet (ICCVW'2019)](configs/gcnet/README.md) | |
| - [x] [Mixed Precision (FP16) Training (ArXiv'2017)](configs/fp16/README.md) | |
| - [x] [InstaBoost (ICCV'2019)](configs/instaboost/README.md) | |
| - [x] [GRoIE (ICPR'2020)](configs/groie/README.md) | |
| - [x] [DetectoRS (ArXix'2020)](configs/detectors/README.md) | |
| - [x] [Generalized Focal Loss (NeurIPS'2020)](configs/gfl/README.md) | |
| - [x] [CornerNet (ECCV'2018)](configs/cornernet/README.md) | |
| - [x] [Side-Aware Boundary Localization (ECCV'2020)](configs/sabl/README.md) | |
| - [x] [YOLOv3 (ArXiv'2018)](configs/yolo/README.md) | |
| - [x] [PAA (ECCV'2020)](configs/paa/README.md) | |
| - [x] [YOLACT (ICCV'2019)](configs/yolact/README.md) | |
| - [x] [CentripetalNet (CVPR'2020)](configs/centripetalnet/README.md) | |
| - [x] [VFNet (ArXix'2020)](configs/vfnet/README.md) | |
| - [x] [DETR (ECCV'2020)](configs/detr/README.md) | |
| - [x] [Deformable DETR (ICLR'2021)](configs/deformable_detr/README.md) | |
| - [x] [CascadeRPN (NeurIPS'2019)](configs/cascade_rpn/README.md) | |
| - [x] [SCNet (AAAI'2021)](configs/scnet/README.md) | |
| - [x] [AutoAssign (ArXix'2020)](configs/autoassign/README.md) | |
| - [x] [YOLOF (CVPR'2021)](configs/yolof/README.md) | |
| 我们在[基于 MMDetection 的项目](./docs/projects.md)中列举了一些其他的支持的算法。 | |
| ## 安装 | |
| 请参考[快速入门文档](docs/get_started.md)进行安装。 | |
| ## 快速入门 | |
| 请参考[快速入门文档](docs/get_started.md)学习 MMDetection 的基本使用。 | |
| 我们提供了 [colab 教程](demo/MMDet_Tutorial.ipynb)，也为新手提供了完整的运行教程，分别针对[已有数据集](docs/1_exist_data_model.md)和[新数据集](docs/2_new_data_model.md) 完整的使用指南 | |
| 我们也提供了一些进阶教程，内容覆盖了 [finetune 模型](docs/tutorials/finetune.md)，[增加新数据集支持](docs/tutorials/new_dataset.md)，[设计新的数据预处理流程](docs/tutorials/data_pipeline.md)，[增加自定义模型](ocs/tutorials/customize_models.md)，[增加自定义的运行时配置](docs/tutorials/customize_runtime.md)，[常用工具和脚本](docs/useful_tools.md)。 | |
| 如果遇到问题，请参考 [FAQ 页面](docs/faq.md)。 | |
| ## 贡献指南 | |
| 我们感谢所有的贡献者为改进和提升 MMDetection 所作出的努力。请参考[贡献指南](.github/CONTRIBUTING.md)来了解参与项目贡献的相关指引。 | |
| ## 致谢 | |
| MMDetection 是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。 我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现已有算法并开发自己的新模型，从而不断为开源社区提供贡献。 | |
| ## 引用 | |
| 如果你在研究中使用了本项目的代码或者性能基准，请参考如下 bibtex 引用 MMDetection。 | |
| ``` | |
| @article{mmdetection, | |
| title = {{MMDetection}: Open MMLab Detection Toolbox and Benchmark}, | |
| author = {Chen, Kai and Wang, Jiaqi and Pang, Jiangmiao and Cao, Yuhang and | |
| Xiong, Yu and Li, Xiaoxiao and Sun, Shuyang and Feng, Wansen and | |
| Liu, Ziwei and Xu, Jiarui and Zhang, Zheng and Cheng, Dazhi and | |
| Zhu, Chenchen and Cheng, Tianheng and Zhao, Qijie and Li, Buyu and | |
| Lu, Xin and Zhu, Rui and Wu, Yue and Dai, Jifeng and Wang, Jingdong | |
| and Shi, Jianping and Ouyang, Wanli and Loy, Chen Change and Lin, Dahua}, | |
| journal= {arXiv preprint arXiv:1906.07155}, | |
| year={2019} | |
| } | |
| ``` | |
| ## OpenMMLab 的其他项目 | |
| - [MMCV](https://github.com/open-mmlab/mmcv): OpenMMLab 计算机视觉基础库 | |
| - [MMClassification](https://github.com/open-mmlab/mmclassification): OpenMMLab 图像分类工具箱 | |
| - [MMDetection](https://github.com/open-mmlab/mmdetection): OpenMMLab 目标检测工具箱 | |
| - [MMDetection3D](https://github.com/open-mmlab/mmdetection3d): OpenMMLab 新一代通用 3D 目标检测平台 | |
| - [MMSegmentation](https://github.com/open-mmlab/mmsegmentation): OpenMMLab 语义分割工具箱 | |
| - [MMAction2](https://github.com/open-mmlab/mmaction2): OpenMMLab 新一代视频理解工具箱 | |
| - [MMTracking](https://github.com/open-mmlab/mmtracking): OpenMMLab 一体化视频目标感知平台 | |
| - [MMPose](https://github.com/open-mmlab/mmpose): OpenMMLab 姿态估计工具箱 | |
| - [MMEditing](https://github.com/open-mmlab/mmediting): OpenMMLab 图像视频编辑工具箱 | |
| - [MMOCR](https://github.com/open-mmlab/mmocr): OpenMMLab 全流程文字检测识别理解工具包 | |
| - [MMGeneration](https://github.com/open-mmlab/mmgeneration): OpenMMLab 图片视频生成模型工具箱 | |
| ## 欢迎加入 OpenMMLab 社区 | |
| 扫描下方的二维码可关注 OpenMMLab 团队的 [知乎官方账号](https://www.zhihu.com/people/openmmlab)，加入 OpenMMLab 团队的 [官方交流 QQ 群](https://jq.qq.com/?_wv=1027&k=aCvMxdr3) | |
| <div align="center"> | |
| <img src="/resources/zhihu_qrcode.jpg" height="400" /> <img src="/resources/qq_group_qrcode.jpg" height="400" /> | |
| </div> | |
| 我们会在 OpenMMLab 社区为大家 | |
| - 📢 分享 AI 框架的前沿核心技术 | |
| - 💻 解读 PyTorch 常用模块源码 | |
| - 📰 发布 OpenMMLab 的相关新闻 | |
| - 🚀 介绍 OpenMMLab 开发的前沿算法 | |
| - 🏃 获取更高效的问题答疑和意见反馈 | |
| - 🔥 提供与各行各业开发者充分交流的平台 | |
| 干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬 | |