mmrotate
v0.3.4
Documentation | Installation | ? Modèle Zoo | ? Mettre à jour les nouvelles | Projets en cours | ? Reporter des problèmes
Anglais | 简体中文
MMROTate est une boîte à outils open source pour la détection d'objets tourbée basée sur Pytorch. Cela fait partie du projet OpenMMLAB.
La branche Master fonctionne avec Pytorch 1.6+ .
Soutenir plusieurs représentations d'angle
Mmrotate fournit trois représentations d'angle grand public pour répondre à différents paramètres papier.
Conception modulaire
Nous décomposons le cadre de détection d'objets tourné en différents composants, ce qui facilite la construction d'un nouveau modèle en combinant différents modules.
Fort de base et de l'état de l'art
La boîte à outils fournit des lignes de base solides et des méthodes de pointe dans la détection d'objets tourbillée.
Nous sommes ravis d'annoncer nos derniers travaux sur les tâches de reconnaissance d'objets en temps réel, RTMDET , une famille de détecteurs à un stade entièrement convolutionnels. RTMDET réalise non seulement le meilleur compromis de précision des paramètres sur la détection d'objets de tailles de modèle minuscules à extra-larges, mais obtient également de nouvelles performances de pointe sur la segmentation des instances et les tâches de détection d'objets tournées. Les détails peuvent être trouvés dans le rapport technique. Les modèles pré-formés sont là.
| Tâche | Ensemble de données | AP | FPS (TRT FP16 BS1 3090) |
|---|---|---|---|
| Détection d'objet | Coco | 52.8 | 322 |
| Segmentation des instances | Coco | 44.6 | 188 |
| Détection d'objets tournés | Dota | 78.9 (à l'échelle unique) /81.3 (multi-échelles) | 121 |
0.3.4 a été publié au 01/02/2023:
Veuillez vous référer à Changelog.md pour plus de détails et à la publication de l'historique.
Le mmrotate dépend du pytorch, du MMCV et du MMDECTION. Vous trouverez ci-dessous des étapes rapides pour l'installation. Veuillez vous référer au guide d'installation pour une instruction plus détaillée.
conda create -n open-mmlab python=3.7 pytorch==1.7.0 cudatoolkit=10.1 torchvision -c pytorch -y
conda activate open-mmlab
pip install openmim
mim install mmcv-full
mim install mmdet
git clone https://github.com/open-mmlab/mmrotate.git
cd mmrotate
pip install -r requirements/build.txt
pip install -v -e . Veuillez consulter get_started.md pour l'utilisation de base de mmrotate. Nous fournissons un tutoriel Colab et d'autres tutoriels pour:
Les résultats et les modèles sont disponibles dans le répertoire Readme.md du répertoire de configuration de chaque méthode. Un résumé peut être trouvé dans la page Model Zoo.
Veuillez vous référer à data_preparation.md pour préparer les données.
Veuillez vous référer à la FAQ pour les questions fréquemment posées.
Nous apprécions toutes les contributions pour améliorer le mmrotate. Veuillez vous référer à contribution.md pour la directive contributive.
Mmrotate est un projet open source qui est apporté par des chercheurs et des ingénieurs de divers collèges et entreprises. Nous apprécions tous les contributeurs qui mettent en œuvre leurs méthodes ou ajoutent de nouvelles fonctionnalités, ainsi que des utilisateurs qui donnent des commentaires précieux. Nous souhaitons que la boîte à outils et la référence puissent servir la communauté de recherche croissante en fournissant une boîte à outils flexible pour réimplémenter les méthodes existantes et développer leurs propres nouvelles méthodes.
Si vous utilisez cette boîte à outils ou cette référence dans votre recherche, veuillez citer ce projet.
@inproceedings { zhou2022mmrotate ,
title = { MMRotate: A Rotated Object Detection Benchmark using PyTorch } ,
author = { Zhou, Yue and Yang, Xue and Zhang, Gefan and Wang, Jiabao and Liu, Yanyi and
Hou, Liping and Jiang, Xue and Liu, Xingzhao and Yan, Junchi and Lyu, Chengqi and
Zhang, Wenwei and Chen, Kai } ,
booktitle = { Proceedings of the 30th ACM International Conference on Multimedia } ,
year = { 2022 }
}Ce projet est publié sous la licence Apache 2.0.
