MMdetection 已不再支持

MM* 工具套件已达到生命周期终点……

目录

我之前使用过 MMDetection (mmengine, mdet, mmcv)，用得不少，
但现在看起来它似乎已经退出了舞台。
真可惜，我喜欢它的模型库。

例如，这里：使用 TensorFlow 进行混凝土钢筋头检测 和这里：使用 Label Studio 与 MMDetection 训练目标检测 AI

mm train

MMDetection 已经停止维护

我很好奇为什么去年没有发布任何版本，原因如下：

如我们在
https://github.com/open-mmlab/mmdetection/discussions/11815
中看到的：

mchaniotakis 在 2024 年 6 月 28 日评论道：

我认为，尽管 openmmlab 的学习曲线比较陡峭，  
但一旦设置好，它是一个非常强大的工具。

然而，自 12 月底以来，随着唐小欧教授的离世，开发似乎已经停止了。

未来是否有计划继续开发（至少指派新的维护者）？

maisonhai3 的回复是：

他们已经放弃了 MMLab。
MMLab 的负责人多年前就去世了。
然后，他们将员工转移到了 InternLM。
现在，甚至 InternLM 也已经半死不活了。

我非常喜爱 MMLab 的工作。他们的代码质量很高，易于维护。

关于 MMDetection 的一些信息…

MMDetection 是由 OpenMMLab 开发的一个基于 PyTorch 的开源目标检测工具箱。它为诸如目标检测、实例分割和全景分割等任务提供了一个全面的框架。MMDetection 是模块化的，允许用户自定义诸如主干网络、颈部网络、头部和损失函数等组件，以构建单阶段、双阶段或多阶段的检测模型。

主要特点包括：

  • 模块化设计：Backbone、Neck、DenseHead、ROIExtractor 和 ROIHead 等组件可以自定义或替换。
  • 丰富的模型支持：包括 Cascade R-CNN、FCOS 和 Dynamic R-CNN 等最先进的模型。
  • 集成：与 ArcGIS 等工具兼容，实现流畅的工作流程。
  • 灵活性：支持使用自定义配置和预训练权重进行训练和推理。

由于其灵活性和性能基准，MMDetection 在计算机视觉研究和应用中被广泛使用。

有用的链接