港中文-商汤OpenMMLab开源全景图！

OpenMMLab 为香港中文大学-商汤科技联合实验室 MMLab 开源的算法平台，不到两年时间，已经包含众多 SOTA 计算机视觉算法。

OpenMMLab 在Github上不是一个单独项目，除了大家所熟知的 Github 上万 star 目标检测库 MMDetection，还有其他方向的代码库和数据集，非常值得从事计算机视觉研发的朋友关注。

近期 OpenMMLab 进行了密集更新，新增了多个库，官方称涉及超过 10 个研究方向，开放超过 100 种算法和 600 种预训练模型，目前Github总星标超过 1.7 万。是CV方向系统性较强、社区活跃的开源平台。

这些库大部分都基于深度学习 PyTorch 框架，算法紧跟前沿，方便易用，文档较为丰富，无论对于研究还是工程开发的朋友都很值得了解。

项目主页：

http://openmmlab.org/

本文带领大家细数各个代码库，相信总有一款适合你！

MMCV

MMCV是用于计算机视觉研究的基础Python库，支持OpenMMLab旗下其他开源库。

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

主要功能是I/O、图像视频处理、标注可视化、各种CNN架构、各类CUDA操作算子。

MMDetection

MMDetection是基于PyTorch的开源目标检测工具箱。是OpenMMLab最知名的开源库，几乎是研究目标检测必备！

主要特点：

• 模块化设计
  

• 支持开箱即用的多方法
  

• 高效率

• SOTA
  

demo：

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

主持的主干网:

•  ResNet

•  ResNeXt

•  VGG

•  HRNet

•  RegNet

•  Res2Net

支持的算法:

•  RPN

•  Fast R-CNN

•  Faster R-CNN

•  Mask R-CNN

•  Cascade R-CNN

•  Cascade Mask R-CNN

•  SSD

•  RetinaNet

•  GHM

•  Mask Scoring R-CNN

•  Double-Head R-CNN

•  Hybrid Task Cascade

•  Libra R-CNN

•  Guided Anchoring

•  FCOS

•  RepPoints

•  Foveabox

•  FreeAnchor

•  NAS-FPN

•  ATSS

•  FSAF

•  PAFPN

•  Dynamic R-CNN

•  PointRend

•  CARAFE

•  DCNv2

•  Group Normalization

•  Weight Standardization

•  OHEM

•  Soft-NMS

•  Generalized Attention

•  GCNet

•  Mixed Precision (FP16) Training

•  InstaBoost

•  GRoIE

•  DetectoRS

•  Generalized Focal Loss

论文盘点 | CVPR 2020 -目标检测篇

MMDetection3D

从CVPR2020 中也可以看出3D目标检测研究异常火热，该库是专门用于3D目标检测的开源库。

主要特点：

• 支持开箱即用的多模态/单模态检测器

• 支持开箱即用的室内/室外检测器

• 与2D目标检测自然融合
  

• 高效率

demo：

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

论文盘点 | CVPR 2020 -目标检测篇

MMSegmentation

MMSegmentation是一个基于PyTorch的开源语义分割工具箱.

主要特点：

• 统一基准
  

• 模块化设计
  

• 支持开箱即用的多方法
  

• 高效率

demo：

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

支持的骨干网:

•  ResNet

•  ResNeXt

•  HRNet

支持的算法:

•  FCN

•  PSPNet

•  DeepLabV3

•  PSANet

•  DeepLabV3+

•  UPerNet

•  NonLocal Net

•  EncNet

•  CCNet

•  DANet

•  GCNet

•  ANN

•  OCRNet

论文盘点 | CVPR 2020 -语义分割篇

MMClassification

MMClassification是基于PyTorch的开源图像分类工具箱。

主要特点：

• 各种骨干与预训练模型
  

• Bag of training tricks

• 大规模训练配置
  

• 高效率与可扩展性

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

支持的骨干网:

•  ResNet

•  ResNeXt

•  SE-ResNet

•  SE-ResNeXt

•  RegNet

•  ShuffleNetV1

•  ShuffleNetV2

•  MobileNetV2

•  MobileNetV3

MMPose

MMPose是一个基于PyTorch的开源姿势估计工具箱。

demo：

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

论文盘点 | CVPR 2020 -人体姿态估计与动作捕捉篇

MMAction

MMAction是一个基于PyTorch开放源代码的工具箱，用于动作理解。

主要特点：

• 可以解决以下任务：

• 从剪辑视频中进行动作识别

• 未剪辑视频中的时序动作检测（也称为动作定位）

• 未剪辑视频中的时空动作检测。

• 支持各种数据集
  

• 支持多动作理解框架

• 模块化设计
  

Github | https://github.com/open-mmlab/mmaction

论文盘点 | CVPR 2020 -动作识别篇

MMAction2

MMAction2是一个基于PyTorch开放源代码的工具箱，用于动作理解。

主要特点：

• 模块化设计
  

• 支持多种数据集
  

• 支持多重动作理解框架
  

• 完善的测试和记录

MMAction2比MMAction支持的算法更多，速度更快，开发者也更活跃。

demo：

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

支持的动作识别算法:

•  TSN

•  TSM

•  R(2+1)D

•  I3D

•  SlowOnly

•  SlowFast

支持的动作定位算法:

•  BMN

•  BSN

论文盘点 | CVPR 2020 -动作识别篇

MMSkeleton

MMSkeleton

用于人体姿势估计，基于骨架的动作识别和动作合成。

特点：

• 高扩展性

• 多任务

demo：

Github | https://github.com/open-mmlab/mmskeleton

论文盘点 | CVPR 2020 -动作识别篇

论文盘点 | CVPR 2020 -人体姿态估计与动作捕捉篇

MMFashion

MMFashion是一个基于PyTorch的开源视觉时尚分析工具箱。

特点：

• 灵活：模块化设计，易于扩展

• 友好：外行用户的现成模型

• 全面：支持各种时装分析任务

demo：

‍

 

Github | https://github.com/open-mmlab/mmfashion

支持应用：

• 服饰属性预测

• 服饰识别与检索

• 服饰特征点检测

• 服饰解析和分割

• 服饰搭配推荐

相关解读 | 当时尚遇上AI！港中文MMLab开源MMFashion工具箱

相关解读 | 研究CV、研究美，MMFashion开源库升级～

MMEditing

MMEditing是基于PyTorch的开源图像和视频编辑工具箱

主要特点：

• 模块化设计

• 在编辑中支持多任务

• SOTA

demo：

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

论文盘点 | CVPR 2020 -抠图Matting篇

论文盘点 | CVPR 2020 -图像质量评价篇

论文盘点 | CVPR 2020 -去雨去雾去模糊篇

论文盘点 | CVPR 2020 -图像修复Inpainting篇

论文盘点 | CVPR 2020 -图像增强与图像恢复篇

OpenPCDet

OpenPCDet 是一个清晰，简单，自成体系的开源项目，用于基于LiDAR的3D目标检测。

设计模式：

Github | https://github.com/open-mmlab/OpenPCDet
支持一阶段和两阶段的3D目标检测框架、多机多卡分布式训练和测试、ATSS等。

论文盘点 | CVPR 2020 -目标检测篇

OpenUnReID

OpenUnReID是研究用于目标重识别的无监督学习和无监督域适应的开源库，基于PyTorch实现。

主要特点：

• 多机多卡分布式训练和测试

•  支持数据集、骨干网、损失函数高度灵活的结合

•  高速的基于GPU的伪标签生成和k-reciprocal重排序方法

•  即插即用的适用任何骨干网的批规范化方法：BatchNorms、sync BN

•  强大的基线实现

•  目前目标重识别领域无监督学习和域适应的众多SOTA算法

支持算法：

Github | https://github.com/open-mmlab/OpenUnReID

OpenSelfSup

OpenSelfSup是基于PyTorch的无监督表示学习工具箱

主要特点：

• 方法众多

• 灵活可扩展

• 高效

• 算法比较评测简单

包含算法：

其中BYOL刚出来没多久！

Github | https://github.com/open-mmlab/OpenSelfSup

相关解读 | OpenSelfSup: Open-MMLab自监督表征学习代码库

备注：CV

计算机视觉学习交流群

更多最新计算机视觉学习技术信息，

若已为CV君其他账号好友请直接私信。

OpenCV中文网

微信号 : iopencv

QQ群：805388940

微博/知乎：@我爱计算机视觉

投稿：[email protected]

网站：www.52cv.net

在看，让更多人看到