O MMdetection não é mais suportado.
O conjunto completo de ferramentas MM* está em fim de vida (EOL)...
Utilizei bastante o MMDetection (mmengine, mdet, mmcv), e agora parece que ele saiu do jogo. É uma pena. Gostava muito do seu repositório de modelos.
Veja, por exemplo, aqui: Detecção de objetos em tampas de barras de reforço de concreto com tensorflow e aqui: Treinamento de IA de Detecção de Objetos com Label Studio & MMDetection
O MMDetection atingiu o fim da vida útil (EOL)
Estava curioso sobre por que não houve lançamentos no ano passado e eis 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 íngreme,
uma vez configurado, é uma ferramenta incrível para trabalhar.
No entanto, parece que o desenvolvimento parou desde o final de dezembro,
após o falecimento do Professor Tang Xiaoou.
Há planos para continuar o desenvolvimento no futuro
(ou pelo menos designar novos mantenedores)?
E a resposta foi de maisonhai3:
Eles abandonaram o MMLab.
O professor-chefe do MMLab faleceu há anos.
Depois, eles moveram a equipe para o InternLM.
Depois, até o InternLM está meio morto agora.
Adoro os trabalhos do MMLab. A qualidade do código deles é ótima. Fácil de manter.
Um pouco sobre o MMDetection…
O MMDetection é uma caixa de ferramentas de detecção de objetos de código aberto desenvolvida pelo OpenMMLab, baseada no PyTorch. Ele fornece uma estrutura completa para tarefas como detecção de objetos, segmentação de instâncias e segmentação panóptica. O MMDetection é modular, permitindo que os usuários personalizem componentes como backbones, necks, heads e funções de perda para criar modelos de detecção de estágio único, dois estágios ou múltiplos estágios.
Os recursos principais incluem:
- Design Modular: Componentes como Backbone, Neck, DenseHead, ROIExtractor e ROIHead podem ser personalizados ou substituídos.
- Suporte Rico em Modelos: Inclui modelos de ponta como Cascade R-CNN, FCOS e Dynamic R-CNN.
- Integração: Compatível com ferramentas como ArcGIS para fluxos de trabalho otimizados.
- Flexibilidade: Suporta treinamento e inferência com configurações personalizadas e pesos pré-treinados.
O MMDetection é amplamente utilizado em pesquisa e aplicações de visão computacional devido à sua flexibilidade e benchmarks de desempenho.
