mmyolo
v0.6.0
문서 | 설치 | ? 모델 동물원 | ? 업데이트 뉴스 | ?보고 문제
영어 | 简体中文
? V0.6.0은 20123 년 15 월 8 일에 출시되었습니다.
릴리스 기록 및 업데이트 세부 정보는 ChangeLog를 참조하십시오.
우리는 실시간 객체 인식 작업에 대한 최신 작업 인 RTMDET , 완전 컨볼 루션 단일 단계 탐지기 제품군을 발표하게되어 기쁩니다. RTMDET은 작은 모형 모델 크기로의 객체 감지에 대한 최고의 매개 변수 분야의 트레이드 오프를 달성 할뿐만 아니라 인스턴스 세분화 및 회전 된 객체 감지 작업에 대한 새로운 최첨단 성능을 얻습니다. 세부 사항은 기술 보고서에서 찾을 수 있습니다. 미리 훈련 된 모델이 여기에 있습니다.
| 일 | 데이터 세트 | ap | FPS (TRT FP16 BS1 3090) |
|---|---|---|---|
| 물체 감지 | 머리 | 52.8 | 322 |
| 인스턴스 분할 | 머리 | 44.6 | 188 |
| 회전 된 물체 감지 | 도타 | 78.9 (단일 규모) /81.3 (멀티 스케일) | 121 |
Mmyolo는 현재 객체 감지 및 회전 된 객체 감지 알고리즘을 구현하지만 MMDeteciton 버전과 비교하여 중대한 훈련 가속이 있습니다. 훈련 속도는 이전 버전보다 2.6 배 빠릅니다.
Mmyolo는 Pytorch 및 Mmdetection을 기반으로 한 Yolo 시리즈 알고리즘을위한 오픈 소스 도구 상자입니다. OpenMMLAB 프로젝트의 일부입니다.
마스터 브랜치는 Pytorch 1.6+ 와 함께 작동합니다. 
? ️ 통합적이고 편리한 벤치 마크
Mmyolo는 다양한 Yolo 알고리즘에서 모듈의 구현을 통합하고 통합 벤치 마크를 제공합니다. 사용자는 공정하고 편리한 방식으로 비교하고 분석 할 수 있습니다.
풍부하고 자세한 문서
Mmyolo는 시작, 모델 배포, 고급 사용 및 알고리즘 분석을위한 풍부한 문서를 제공하여 다양한 레벨의 사용자가 쉽게 시작하고 신속하게 확장 할 수 있도록합니다.
? 모듈 식 디자인
Mmyolo는 다른 모듈을 다양한 교육 및 테스트 전략과 결합하여 사용자가 모델을 쉽게 사용자 정의 할 수있는 다른 구성 요소로 프레임 워크를 분해합니다.
위의 그림은 Rangeking@github에 의해 기여합니다. 대단히 감사합니다!P6 모델의 그림은 model_design.md에 있습니다.
Mmyolo는 Pytorch, MMCV, Mmengine 및 Mmdetection에 의존합니다. 다음은 설치를위한 빠른 단계입니다. 자세한 지침은 설치 안내서를 참조하십시오.
conda create -n mmyolo python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y
conda activate mmyolo
pip install openmim
mim install " mmengine>=0.6.0 "
mim install " mmcv>=2.0.0rc4,<2.1.0 "
mim install " mmdet>=3.0.0,<4.0.0 "
git clone https://github.com/open-mmlab/mmyolo.git
cd mmyolo
# Install albumentations
pip install -r requirements/albu.txt
# Install MMYOLO
mim install -v -e . Mmyolo는 MMDetection을 기반으로하며 동일한 코드 구조 및 설계 접근법을 채택합니다. 이를 더 잘 활용하려면 mmdetection에 대한 첫 번째 이해에 대해서는 mmdetection 개요를 읽으십시오.
Mmyolo의 사용은 MMDetection과 거의 동일하며 모든 튜토리얼은 간단하게 사용되며 MMDetection 사용자 안내서 및 Advanced Guide에 대해서도 배울 수 있습니다.
MMDetection과의 다른 부분에 대해서는 사용자 가이드 및 고급 가이드도 준비했습니다. 문서를 읽으십시오.
결과와 모델은 모델 동물원에서 제공됩니다.
| 백본 | 목 | 손실 | 흔한 |
|
|
|
자주 묻는 질문은 FAQ를 참조하십시오.
Myolo 개선에 대한 모든 기여에 감사드립니다. 진행중인 프로젝트는 Github 프로젝트에서 찾을 수 있습니다. 커뮤니티 사용자 가이 프로젝트에 참여하도록 환영합니다. 기고 가이드 라인은 Contributing.md를 참조하십시오.
Mmyolo는 다양한 대학 및 회사의 연구원과 엔지니어가 기여하는 오픈 소스 프로젝트입니다. 우리는 자신의 방법을 구현하거나 새로운 기능을 추가하는 모든 기고자와 귀중한 피드백을 제공하는 사용자에게 감사합니다. 우리는 도구 상자와 벤치 마크가 기존 방법을 다시 구현하고 새로운 탐지기를 개발하기위한 유연한 툴킷을 제공함으로써 성장하는 연구 커뮤니티에 서비스를 제공하기를 바랍니다.
이 프로젝트가 귀하의 연구에 유용하다고 생각되면 다음을 고려하십시오.
@misc{mmyolo2022,
title={{MMYOLO: OpenMMLab YOLO} series toolbox and benchmark},
author={MMYOLO Contributors},
howpublished = { url {https://github.com/open-mmlab/mmyolo}},
year={2022}
}이 프로젝트는 GPL 3.0 라이센스에 따라 릴리스됩니다.
