MMdetection non è più supportato

L'intero set di strumenti MM* è in fine della vita...

Indice

Ho utilizzato MMDetection (mmengine, mdet, mmcv) parecchio, E ora sembra che non sia più disponibile. Peccato. Mi piaceva il suo model zoo.

Per esempio qui: Riconoscimento di barre d’armatura in calcestruzzo con tensorflow e qui: Formazione di un rilevatore di oggetti AI con Label Studio & MMDetection

mm train

mmdetection è EOL

Curioso di sapere perché non ci sono state release l’anno scorso e ecco il motivo:

Come possiamo vedere in https://github.com/open-mmlab/mmdetection/discussions/11815

mchaniotakis ha commentato il 28 giugno 2024:

Penso che, anche se openmmlab ha una curva di apprendimento ripida,
una volta che è configurato è uno strumento fantastico da utilizzare.

Tuttavia lo sviluppo sembra essersi fermato alla fine di dicembre
dopo la scomparsa del professore Tang Xiaoou.

Ci sono piani per continuare lo sviluppo in futuro
(o almeno assegnare nuovi manutentori)?

E la risposta è stata da maisonhai3:

Hanno abbandonato il MMLab.
Il professore capo del MMLab è morto anni fa.
Poi, hanno spostato il personale a InternLM.
Ora, anche InternLM è quasi morto.

Amo i lavori del MMLab. La qualità del loro codice è grande. Facile da mantenere.

Un po’ su MMDetection…

MMDetection è un toolbox open-source per il rilevamento degli oggetti sviluppato da OpenMMLab, basato su PyTorch. Fornisce un framework completo per compiti come il rilevamento degli oggetti, la segmentazione delle istanze e la segmentazione panottica. MMDetection è modulare, permettendo agli utenti di personalizzare componenti come i backbones, i necks, le heads e le funzioni di perdita per costruire modelli di rilevamento a singolo stadio, a doppio stadio o a multi-stadio.

Le caratteristiche principali includono:

  • Progettazione modulare: Componenti come Backbone, Neck, DenseHead, ROIExtractor e ROIHead possono essere personalizzati o sostituiti.
  • Supporto ricco di modelli: Include modelli all’avanguardia come Cascade R-CNN, FCOS e Dynamic R-CNN.
  • Integrazione: Compatibile con strumenti come ArcGIS per workflow ottimizzati.
  • Flessibilità: Supporta l’addestramento e l’inferenza con configurazioni personalizzate e pesi pre-addestrati.

MMDetection è ampiamente utilizzato nella ricerca e nelle applicazioni di visione artificiale grazie alla sua flessibilità e ai benchmark di prestazioni.