mmselfsup
v1.0.0
เอกสาร การติดตั้ง ? Model Zoo | อัปเดตข่าว | ปัญหาการรายงาน
- Mmpretrain เป็นกรอบโอเพนซอร์ซที่ได้รับการอัพเกรดใหม่สำหรับการฝึกอบรมก่อนการมองเห็น มันได้กำหนดไว้เพื่อให้แบ็คโบนที่ผ่านการฝึกอบรมมาหลายครั้งและสนับสนุนกลยุทธ์การฝึกอบรมก่อนการฝึกอบรมที่แตกต่างกัน
MMPretrain 1.0 สาขาอยู่ในการทดลองยินดีต้อนรับทุกคนที่จะลองและพูดคุยกับเรา! -
ภาษาอังกฤษ | 简体中文
MMSelfSup เป็นกล่องเครื่องมือการเรียนรู้ที่เป็นตัวแทนของโอเพนซอร์ส มันเป็นส่วนหนึ่งของโครงการ OpenMMLAB
สาขาหลักทำงานร่วมกับ Pytorch 1.8 หรือสูงกว่า
วิธีการทั้งหมดในหนึ่งเดียว
MMSelfSup ให้วิธีการที่ทันสมัยในการเรียนรู้ที่ดูแลตนเอง สำหรับการเปรียบเทียบที่ครอบคลุมในมาตรฐานทั้งหมดวิธีการฝึกอบรมก่อนการฝึกอบรมส่วนใหญ่อยู่ภายใต้การตั้งค่าเดียวกัน
การออกแบบแบบแยกส่วน
MMSelfSup ตามสถาปัตยกรรมรหัสที่คล้ายกันของโครงการ OpenMMLAB ที่มีการออกแบบแบบแยกส่วนซึ่งมีความยืดหยุ่นและสะดวกสำหรับผู้ใช้ในการสร้างอัลกอริทึมของตนเอง
มาตรฐานมาตรฐาน
MMSelfSUP เป็นมาตรฐานการวัดประสิทธิภาพรวมถึงการถดถอยโลจิสติก SVM / Low-shot SVM จากคุณสมบัติที่ตรวจสอบเชิงเส้นการจำแนกกึ่งผู้ดูแลการตรวจจับวัตถุและการแบ่งส่วนความหมาย
ความเข้ากันได้
เนื่องจาก MMSelfSup ใช้การออกแบบที่คล้ายกันของโมดูลและอินเทอร์เฟซเช่นเดียวกับในโครงการ OpenMMLAB อื่น ๆ จึงรองรับการประเมินที่ราบรื่นในงานดาวน์สตรีมกับโครงการ OpenMMLAB อื่น ๆ เช่นการตรวจจับวัตถุและการแบ่งส่วน
MMSelfSup v1.0.0 ได้รับการปล่อยตัวตามสาขา main โปรดดูคู่มือการย้ายถิ่นสำหรับรายละเอียดเพิ่มเติม
MMSelfSup v1.0.0 เปิดตัวใน 06/04/2023
PixMIMDINO ใน projects/dino/MMSelfSup v1.0.0rc6 ได้รับการปล่อยตัวในวันที่ 10/02/2023
MaskFeat ด้วยชุดข้อมูลวิดีโอใน projects/maskfeat_video/MMSelfSup v1.0.0rc5 เปิดตัวในวันที่ 30/12/2022
BEiT v2 , MixMIM , EVAShapeBias สำหรับการวิเคราะห์แบบจำลองโปรดดูที่ Changelog สำหรับรายละเอียดและประวัติการวางจำหน่าย
ความแตกต่างระหว่าง MMSelfSup 1.x และ 0.x สามารถพบได้ในการย้ายถิ่น
MMSelfSup ขึ้นอยู่กับ Pytorch, MMCV, MMENGINE และ MMCLASSIFICITION
โปรดดูการติดตั้งสำหรับคำสั่งโดยละเอียดเพิ่มเติม
สำหรับบทช่วยสอนเราให้คำแนะนำผู้ใช้สำหรับการใช้งานขั้นพื้นฐาน:
ก่อน
งานลิ้น
เครื่องมือที่มีประโยชน์
นอกจากนี้ยังมีคำแนะนำขั้นสูงและบทช่วยสอน colab
โปรดดูคำถามที่พบบ่อยสำหรับคำถามที่พบบ่อย
โปรดดูที่ Model Zoo.MD สำหรับชุดที่ครอบคลุมของรุ่นที่ผ่านการฝึกอบรมมาก่อนและมาตรฐาน
อัลกอริทึมที่รองรับ:
อัลกอริทึมเพิ่มเติมอยู่ในแผนของเรา
| เกณฑ์มาตรฐาน | การตั้งค่า |
|---|---|
| การจำแนกประเภทเชิงเส้นของ ImageNet (หลายหัว) | Goyal2019 |
| การจำแนกประเภทเชิงเส้นของ ImageNet (สุดท้าย) | |
| การจำแนกประเภท Semi-Sup ImageNet | |
| Places205 การจำแนกประเภทเชิงเส้น (หลายหัว) | Goyal2019 |
| Inaturalist2018 การจำแนกประเภทเชิงเส้น (หลายหัว) | Goyal2019 |
| Pascal VOC07 SVM | Goyal2019 |
| Pascal VOC07 SVM ต่ำสุด | Goyal2019 |
| การตรวจจับวัตถุ Pascal VOC07+12 | คนขี้เกียจ |
| การตรวจจับวัตถุ Coco17 | คนขี้เกียจ |
| การแบ่งส่วนทิวทัศน์ของเมือง | MMSEG |
| การแบ่งส่วน Pascal VOC12 Aug | MMSEG |
เราขอขอบคุณการมีส่วนร่วมทั้งหมดที่ปรับปรุง MMSelfSup โปรดดูคู่มือการบริจาคสำหรับรายละเอียดเพิ่มเติมเกี่ยวกับแนวทางที่มีส่วนร่วม
MMSelfSup เป็นโครงการโอเพ่นซอร์สที่ได้รับการสนับสนุนจากนักวิจัยและวิศวกรจากวิทยาลัยและ บริษัท ต่างๆ เราขอขอบคุณผู้สนับสนุนทุกคนที่ใช้วิธีการของพวกเขาหรือเพิ่มคุณสมบัติใหม่รวมถึงผู้ใช้ที่ให้ข้อเสนอแนะที่มีค่า เราหวังว่ากล่องเครื่องมือและเกณฑ์มาตรฐานสามารถให้บริการชุมชนการวิจัยที่กำลังเติบโตโดยการจัดหาชุดเครื่องมือที่ยืดหยุ่นเพื่อนำวิธีการที่มีอยู่ใหม่มาใช้ใหม่และพัฒนาอัลกอริทึมใหม่ของตนเอง
MMSelfSup มีต้นกำเนิดมาจาก OpenSelfsup และเราขอขอบคุณการมีส่วนร่วมในช่วงต้นทั้งหมดที่เกิดขึ้นกับ OpenSelfSup มีผู้สนับสนุนอยู่ที่นี่: Xiaohang Zhan (@xiaohangzhan), Jiahao Xie (@jiahao000), Enze Xie (@xieenze), Xiangxiang Chu (@cxxgtxy), Zijian he (@scnuhealthy)
หากคุณใช้กล่องเครื่องมือหรือเกณฑ์มาตรฐานในการวิจัยของคุณโปรดอ้างอิงโครงการนี้
@misc { mmselfsup2021 ,
title = { {MMSelfSup}: OpenMMLab Self-Supervised Learning Toolbox and Benchmark } ,
author = { MMSelfSup Contributors } ,
howpublished = { url{https://github.com/open-mmlab/mmselfsup} } ,
year = { 2021 }
}โครงการนี้เปิดตัวภายใต้ใบอนุญาต Apache 2.0
