MMdetection ya no es compatible

Todo el conjunto de herramientas MM* está en EOL...

Índice

He utilizado bastante MMDetection (mmengine, mdet, mmcv),
y ahora parece que ya no está en juego.
Es una lástima. Me gustaba su zoo de modelos.

Por ejemplo, aquí: Detección de objetos en tapas de barras de refuerzo de concreto con tensorflow y aquí: Entrenamiento de un detector de objetos AI con Label Studio & MMDetection

mm train

mmdetection ha llegado a su fin de vida útil

Me preguntaba por qué no había lanzamientos durante el año pasado y aquí está la razón:

Como vemos en
https://github.com/open-mmlab/mmdetection/discussions/11815

mchaniotakis comenta el 28 de junio de 2024:

Creo que, aunque openmmlab tiene una curva de aprendizaje empinada,
una vez que se configura es una herramienta increíble para trabajar con ella.

Sin embargo, el desarrollo parece haberse detenido desde finales de diciembre
después del fallecimiento del profesor Tang Xiaoou.

¿Hay planes para continuar el desarrollo en el futuro
(o al menos asignar nuevos mantenedores)?

Y la respuesta fue de maisonhai3:

Dejaron el MMLab.
El profesor jefe del MMLab falleció hace años.
Luego, trasladaron al personal a InternLM.
Ahora, incluso InternLM está medio muerto.

Me encantan los trabajos del MMLab. La calidad de su código es excelente. Fácil de mantener.

Un poco sobre MMDetection…

MMDetection es una herramienta de detección de objetos de código abierto desarrollada por OpenMMLab, basada en PyTorch. Proporciona un marco completo para tareas como la detección de objetos, la segmentación de instancias y la segmentación panoptic. MMDetection es modular, permitiendo a los usuarios personalizar componentes como backbones, cuellos, cabezas y funciones de pérdida para construir modelos de detección de una sola etapa, dos etapas o múltiples etapas.

Características clave incluyen:

  • Diseño modular: Componentes como Backbone, Neck, DenseHead, ROIExtractor y ROIHead pueden personalizarse o reemplazarse.
  • Amplia compatibilidad con modelos: Incluye modelos de vanguardia como Cascade R-CNN, FCOS y Dynamic R-CNN.
  • Integración: Compatible con herramientas como ArcGIS para flujos de trabajo optimizados.
  • Flexibilidad: Soporta el entrenamiento e inferencia con configuraciones personalizadas y pesos preentrenados.

MMDetection se utiliza ampliamente en investigación y aplicaciones de visión por computadora debido a su flexibilidad y benchmarks de rendimiento.

Enlaces útiles