MMdetection больше не поддерживается

Весь набор инструментов MM* находится на EOL...

Содержимое страницы

Я довольно часто использовал MMDetection (mmengine, mdet, mmcv),
но теперь выглядит так, будто он вышел из игры.
К сожалению. Мне нравился его модельный зоопарк.

Например, смотрите здесь: Обнаружение объектов на каплях арматурных стержней с использованием tensorflow и здесь: Обучение детектора объектов AI с использованием Label Studio & MMDetection

обучение mm

MMDetection прекращает поддержку

Меня заинтересовало, почему в прошлом году не было выпусков, и вот почему:

Как мы видим в
https://github.com/open-mmlab/mmdetection/discussions/11815

mchaniotakis комментирует 28 июня 2024 года:

Я думаю, что, несмотря на крутой изгиб, который имеет openmmlab,  
когда он настроен, это потрясающий инструмент для работы.

Однако разработка, похоже, остановилась с конца декабря  
после смерти профессора Тань Сяоу.

Есть ли планы продолжить разработку в будущем  
(или хотя бы назначить новых поддерживателей)?

А ответ от maisonhai3:

Они бросили MMLab.
Головной профессор MMLab умер несколько лет назад.
Потом они переехали сотрудников в InternLM.
Теперь даже InternLM частично мертв.

Я люблю работы MMLab. Их качество кода великолепно. Легко поддерживать.

Немного о MMDetection…

MMDetection — это открытый объектный детектор, разработанный OpenMMLab, на основе PyTorch. Он предоставляет комплексную платформу для задач, таких как обнаружение объектов, сегментация экземпляров и панорамная сегментация. MMDetection модульный, позволяя пользователям настраивать компоненты, такие как backbone, neck, head и функции потерь, для построения одноэтапных, двухэтапных или многоэтапных моделей детекции.

Ключевые особенности включают:

  • Модульный дизайн: Компоненты, такие как Backbone, Neck, DenseHead, ROIExtractor и ROIHead, могут быть настроены или заменены.
  • Обширная поддержка моделей: Включает передовые модели, такие как Cascade R-CNN, FCOS и Dynamic R-CNN.
  • Интеграция: Совместим с инструментами, такими как ArcGIS, для упрощенных рабочих процессов.
  • Гибкость: Поддерживает обучение и инференс с пользовательскими конфигурациями и предварительно обученными весами.

MMDetection широко используется в исследованиях и приложениях компьютерного зрения благодаря своей гибкости и производительным бенчмаркам.

Полезные ссылки