OpenMMLab的这些CV开源库，你收藏了吗？

（点击上方公众号，可快速关注）

转自：Coggle数据科学

【导读】：香港中文大学（MMLab实验室）和商汤发起的OpenMMLab计划，旨在一个统一的代码架构上，逐步开放实验室积累的算法和模型，为计算机视觉不同方向建立的统一代码库。本文带来OpenMMLab的八个主要分支库，建议拓展阅读并收藏！

---以下是正文---

Open-MMLab

现代AI系统日趋复杂，模型细节的优化和调节需要长时间的专注和积累。同时系统的发展需要越来越多不同研究背景的团队共同参与，让每个团队专注于某一个方面的开拓与探索。

在这样的背景下，香港中文大学（MMLab实验室）和商汤发起了OpenMMLab计划。希望在一个统一的代码架构上，逐步开放实验室积累的算法和模型，为计算机视觉的研究社区贡献自己的一分力量。时至今日OpenMMLab已经发展为计算机视觉&深度学习中非常重要的库，其中比较出名库有MMDetection和MMFashion，这些库降低了模型训练的门槛，还提供了预训练的模型，是科研和竞赛的必备。

本文将对OpenMMLab中的分支库进行简单介绍，预计需要5分钟阅读。内容较多，可以先收藏再阅读。

01 MMCV

MMCV（基础支持）提供了更完善的训练流程支持，文件读取多后端支持，图片处理多后端支持，更丰富的 CNN 模块，20 种常用算子的高效 CUDA 实现。MMCV是Open-MMLab其他库的基础库，其提供的具体功能包括：

• Universal IO APIs

• Image/Video processing

• Image and annotation visualization

• Useful utilities (progress bar, timer, ...)

• PyTorch runner with hooking mechanism

• Various CNN architectures

• High-quality implementation of common CUDA ops

MMCV项目链接：

https://github.com/open-mmlab/mmcv

02 MMDetection

MMDetection（物体检测）支持算法多达 40 个，300+ 预训练模型，速度和精度相比 1.0 版本有很大提升。通过更细粒度的模块化设计，MMDetection 的任务拓展性大大增强，成为了检测相关项目的基础平台。MMDetection是最为流行的物体检测库，也是物体检测竞赛必备的技能。MMDetection提供了较为完善的物体检测流程和预训练模型，非常推荐学习。

MMDetection项目链接：

https://github.com/open-mmlab/mmdetection

03  MMAction2

MMAction2（动作识别）支持 8 种模型和 8 个数据集，提供完善的数据处理脚本，支持多种解码器进行高效的在线视频解码，训练速度快，模型精度高。更细粒度的模块化设计，易于拓展。

MMAction2项目链接：

https://github.com/open-mmlab/mmaction2

04 MMEditing

MMEditing（图像视频编辑）设计了统一的框架同时支持超分、修复、抠图、生成四大方向，方便用户在一个框架中调用不同的算法和模型。提供了丰富的底层视觉算法的高效算子，拥有高效的训练和测试速度，复现了多个未开源算法，并首次公开实现了基于 PyTorch 的 GAN 的分布式训练。

MMEditing项目链接：

https://github.com/open-mmlab/mmediting

05 MMClassification

MMClassification（图像分类）丰富的训练配置，支持常见网络的复现，并提供相应的预训练模型。

MMClassification特点如下：

• Various backbones and pretrained models

• Bag of training tricks

• Large-scale training configs

• High efficiency and extensibility

MMClassification项目链接：

https://github.com/open-mmlab/mmclassification

06 MMPose

MMPose（姿态估计）同时支持 top-down 和 bottom-up 类型算法的开源人体姿态估计框架，并实现了目前学术界的最高训练精度和最快训练速度。基于模块化的设计，易于拓展和修改。后续将支持多人3D姿态估计、密集人群的姿态估计、人脸关键点等更多模块。

MMPose项目链接：

https://github.com/open-mmlab/mmpose

07 MMSegmentation

MMSegmentation（语义分割）对 10+ 种语义分割算法的进行了统一 benchmark，并且达到了更高的精度。开源了 200+ 预训练模型和丰富的配置，方便进行横向纵向比较。支持丰富的训练和测试 trick，可以应对多样的使用场景。支持混合精度训练，节省显存 40%以上。

MMSegmentation项目链接：

https://github.com/open-mmlab/mmsegmentation

08 MMDetection3D

MMDetection3D （3D物体检测）支持了VoteNet, MVXNet, Part-A2，PointPillars等多种算法，覆盖了单模态和多模态检测，室内和室外场景SOTA; 还可以直接使用训练MMDetection里面的所有300+模型和40+算法，支持算法的数量和覆盖方向为3D检测代码库之最。

MMDetection3D项目链接：

https://github.com/open-mmlab/mmdetection3d

更多详细介绍，可以访问OpenMMLab官网：

http://openmmlab.com/index.html

- EOF -

推荐阅读  点击标题可跳转

看完本文有收获？请转发分享给更多人

关注「大数据与机器学习文摘」，成为Top 1%

点赞和在看就是最大的支持❤️