O MMdetection não é mais suportado

Todo o conjunto de ferramentas MM* está em EOL...

Conteúdo da página

Usei bastante o MMDetection (mmengine, mdet, mmcv), E agora parece que está fora do jogo. É uma pena. Gostei do seu zoo de modelos.

Veja, por exemplo, aqui: Detecção de objetos em cabos de armadura de concreto com tensorflow e aqui: Treinando um detector de objetos AI com Label Studio & MMDetection

mm train

mmdetection está EOL

Fiquei curioso sobre por que não houve liberações durante o ano passado e aqui está a razão:

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

mchaniotakis comentou em 28 de junho de 2024:

Acho que, mesmo que o openmmlab tenha uma curva de aprendizado acentuada,
uma vez configurado, é uma ferramenta incrível para trabalhar.

No entanto, o desenvolvimento parece ter parado desde o final de dezembro
após o falecimento do professor Tang Xiaoou.

Há planos para continuar o desenvolvimento no futuro
(ou pelo menos atribuir novos mantenedores)?

E a resposta foi de maisonhai3:

Eles abandonaram o MMLab.
O chefe do MMLab faleceu há anos.
Depois disso, transferiram os funcionários para o InternLM.
Agora, até o InternLM está meio morto.

Adoro os trabalhos do MMLab. A qualidade do código é excelente. Fácil de manter.

Um pouco sobre MMDetection…

O MMDetection é uma ferramenta de detecção de objetos de código aberto desenvolvida pelo OpenMMLab, baseada no PyTorch. Ele fornece um framework abrangente para tarefas como detecção de objetos, segmentação de instâncias e segmentação panoptic. O MMDetection é modular, permitindo que os usuários personalizem componentes como backbones, necks, heads e funções de perda para construir modelos de detecção de uma etapa, duas etapas ou múltiplas etapas.

Funcionalidades principais incluem:

  • Design Modular: Componentes como Backbone, Neck, DenseHead, ROIExtractor e ROIHead podem ser personalizados ou substituídos.
  • Suporte a Modelos Abrangente: Inclui modelos de ponta como Cascade R-CNN, FCOS e Dynamic R-CNN.
  • Integração: Compatível com ferramentas como o ArcGIS para fluxos de trabalho otimizados.
  • Flexibilidade: Suporta treinamento e inferência com configurações personalizadas e pesos pré-treinados.

O MMDetection é amplamente utilizado em pesquisas e aplicações de visão computacional devido à sua flexibilidade e benchmarks de desempenho.