點擊上方“AI算法與圖像處理”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

來源：OpenCV中文網(wǎng)

OpenMMLab 為香港中文大學-商湯科技聯(lián)合實驗室?MMLab?開源的算法平臺，不到兩年時間，已經(jīng)包含眾多 SOTA 計算機視覺算法。

OpenMMLab 在Github上不是一個單獨項目，除了大家所熟知的 Github 上萬 star 目標檢測庫 MMDetection，還有其他方向的代碼庫和數(shù)據(jù)集，非常值得從事計算機視覺研發(fā)的朋友關注。

近期 OpenMMLab 進行了密集更新，新增了多個庫，官方稱涉及超過 10 個研究方向，開放超過 100 種算法和 600 種預訓練模型，目前Github總星標超過 1.7 萬。是CV方向系統(tǒng)性較強、社區(qū)活躍的開源平臺。

這些庫大部分都基于深度學習 PyTorch 框架，算法緊跟前沿，方便易用，文檔較為豐富，無論對于研究還是工程開發(fā)的朋友都很值得了解。

項目主頁：

http://openmmlab.org/

本文帶領大家細數(shù)各個代碼庫，相信總有一款適合你！

MMDetection是基于PyTorch的開源目標檢測工具箱。是OpenMMLab最知名的開源庫，幾乎是研究目標檢測必備！

主要特點：

• 模塊化設計
  

• 支持開箱即用的多方法
  

• 高效率

• SOTA
  

demo：

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

主持的主干網(wǎng):

• ?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

論文盤點 |?CVPR 2020 -目標檢測篇

從CVPR2020 中也可以看出3D目標檢測研究異常火熱，該庫是專門用于3D目標檢測的開源庫。

主要特點：

• 支持開箱即用的多模態(tài)/單模態(tài)檢測器

• 支持開箱即用的室內(nèi)/室外檢測器

• 與2D目標檢測自然融合
  

• 高效率

demo：

MMSegmentation是一個基于PyTorch的開源語義分割工具箱.

主要特點：

• 統(tǒng)一基準
  

• 模塊化設計
  

• 支持開箱即用的多方法
  

• 高效率

demo：

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

支持的骨干網(wǎng):

• ?ResNet

• ?ResNeXt

• ?HRNet

支持的算法:

• ?FCN

• ?PSPNet

• ?DeepLabV3

• ?PSANet

• ?DeepLabV3+

• ?UPerNet

• ?NonLocal Net

• ?EncNet

• ?CCNet

• ?DANet

• ?GCNet

• ?ANN

• ?OCRNet

論文盤點 |?CVPR 2020 -語義分割篇

MMClassification是基于PyTorch的開源圖像分類工具箱。

主要特點：

• 各種骨干與預訓練模型
  

• Bag of training tricks

• 大規(guī)模訓練配置
  

• 高效率與可擴展性

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

支持的骨干網(wǎng):

• ?ResNet

• ?ResNeXt

• ?SE-ResNet

• ?SE-ResNeXt

• ?RegNet

• ?ShuffleNetV1

• ?ShuffleNetV2

• ?MobileNetV2

• ?MobileNetV3

MMPose是一個基于PyTorch的開源姿勢估計工具箱。

demo：

MMAction是一個基于PyTorch開放源代碼的工具箱，用于動作理解。

主要特點：

• 可以解決以下任務：

• 從剪輯視頻中進行動作識別

• 未剪輯視頻中的時序動作檢測（也稱為動作定位）

• 未剪輯視頻中的時空動作檢測。

• 支持各種數(shù)據(jù)集
  

• 支持多動作理解框架

• 模塊化設計
  

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

論文盤點 |?CVPR 2020 -動作識別篇

MMAction2是一個基于PyTorch開放源代碼的工具箱，用于動作理解。

主要特點：

• 模塊化設計
  

• 支持多種數(shù)據(jù)集
  

• 支持多重動作理解框架
  

• 完善的測試和記錄

MMAction2比MMAction支持的算法更多，速度更快，開發(fā)者也更活躍。

demo：

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

支持的動作識別算法:

• ?TSN

• ?TSM

• ?R(2+1)D

• ?I3D

• ?SlowOnly

• ?SlowFast

支持的動作定位算法:

• ?BMN

• ?BSN

論文盤點 |?CVPR 2020 -動作識別篇

MMSkeleton

用于人體姿勢估計，基于骨架的動作識別和動作合成。

特點：

• 高擴展性

• 多任務

demo：

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

論文盤點 |?CVPR 2020 -動作識別篇

論文盤點 |?CVPR 2020 -人體姿態(tài)估計與動作捕捉篇

MMFashion是一個基于PyTorch的開源視覺時尚分析工具箱。

特點：

• 靈活：模塊化設計，易于擴展

• 友好：外行用戶的現(xiàn)成模型

• 全面：支持各種時裝分析任務

demo：

?

?

?

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

支持應用：

• 服飾屬性預測

• 服飾識別與檢索

• 服飾特征點檢測

• 服飾解析和分割

• 服飾搭配推薦

相關解讀 |?當時尚遇上AI！港中文MMLab開源MMFashion工具箱

相關解讀 |?研究CV、研究美，MMFashion開源庫升級～

• 模塊化設計
• 在編輯中支持多任務
• SOTA

OpenPCDet 是一個清晰，簡單，自成體系的開源項目，用于基于LiDAR的3D目標檢測。

設計模式：

Github?|?https://github.com/open-mmlab/OpenPCDet
支持一階段和兩階段的3D目標檢測框架、多機多卡分布式訓練和測試、ATSS等。

論文盤點 |?CVPR 2020 -目標檢測篇

• 多機多卡分布式訓練和測試

• ?支持數(shù)據(jù)集、骨干網(wǎng)、損失函數(shù)高度靈活的結(jié)合

• ?高速的基于GPU的偽標簽生成和k-reciprocal重排序方法

• ?即插即用的適用任何骨干網(wǎng)的批規(guī)范化方法：BatchNorms、sync BN

• ?強大的基線實現(xiàn)

• ?目前目標重識別領域無監(jiān)督學習和域適應的眾多SOTA算法

支持算法：

OpenSelfSup是基于PyTorch的無監(jiān)督表示學習工具箱

• 方法眾多
• 靈活可擴展
• 高效
• 算法比較評測簡單

包含算法：

其中BYOL剛出來沒多久！

下載1
在「AI算法與圖像處理」公眾號后臺回復：yolov4，即可下載?YOLOv4 trick相關論文

下載2
在「AI算法與圖像處理」公眾號后臺回復：DL三件套，即可下載包括經(jīng)典好書

個人微信（如果沒有備注不拉群！）
請注明：地區(qū)+學校/企業(yè)+研究方向+昵稱