|
重磅干货，第一时间送达 前言 去年Amusi 盘点过：目标检测三大开源神器：Detectron2/mmDetectron/SimpleDet。大家反映内容很棒，不少同学开始用起来这些目标检测工具，不管用于发Paper还是做项目。 如今过去半年多，目标检测领域发展迅速，Amusi 再次系统调研现在开源的目标检测神器。同时也有很多同学开始入坑目标检测，希望此文可以有所帮助，避免踩坑！ 本文介绍目标检测（Object Detection）四个最为知名、关注度最高的开源神器，其实也可以称为工具箱(Toolkit)，再俗气一点，就是'造轮子'神器。不仅会介绍这些神器的特点，还会增加新的内容：基于神器开发的新开源项目（这部分也可以说明该神器的认可度）。 用上好的神器，不仅可以快速实现你的idea，还可以帮助你提升coding能力。精读优质的代码(风格)，长远看是非常有意义的。如下排名不分先后： Detectron2 维护团队：Facebook star数：11616 所属框架：PyTorch https://github.com/facebookresearch/detectron2 Detectron2 前身就是鼎鼎大名的 Detectron，其实Detectron可以说是Facebook第一代检测工具箱，目前在github上获得 23.5k star！ https://github.com/facebookresearch/Detectron 但由于PyTorch版本升级等问题，Detectron目前已停止维护（弃用）。 其实在 Detectron向 Detectron2过渡期间，Facebook Research 还开源了一个知名的项目：maskrcnn-benchmark，目前已获得 7.7 k star！ https://github.com/facebookresearch/maskrcnn-benchmark 听名字应该就知道maskrcnn-benchmark主要是做实例分割和目标检测的，该项目也主要提供了Faster R-CNN和Mask R-CNN算法。 但同样由于PyTorch版本升级等问题，maskrcnn-benchmark目前已停止维护（弃用）。于是 maskrcnn-benchmark 这 7.7 k 的项目就此'搁浅'了。 话题说回主人公：Detectron2（新一代目标检测和分割框架） Detectron2 不仅支持 Detectron已有的目标检测、实例分割、姿态估计等任务，还支持语义分割和全景分割。新增了Cascade R-CNN，Panoptic FPN和TensorMask新模型。 基于Detectron2二次开发的开源项目 AdelaiDet：实例级识别任务开源工具箱 https://github.com/aim-uofa/AdelaiDet 这个项目后面 Amusi 会单独写一篇文章来介绍，AdelaiDet 主要是阿德莱德大学沈春华团队维护的项目，涉及目标检测、实例分割、文本检测等方向。比如包含了SOLOv1-v2、FCOS、BlendMask、CondInst等工作。 像最近 CVPR 2020、ECCV 2020上有不少好的工作也都是基于 Detectron2开发的，比如DETR、CenterMask： https://github.com/facebookresearch/detr https://github.com/youngwanLEE/centermask2 https://github.com/youngwanLEE/vovnet-detectron2 https://github.com/shenyunhang/NA-fWebSOD/ mmDetection 维护团队：香港中文大学-商汤联合实验室 star数：10769 所属框架：PyTorch https://github.com/open-mmlab/mmdetection mmDetection 是个非常强大的目标检测工具箱，也是基于PyTorch实现。Amusi 个人觉得mmDetection可以称为目标检测方向的'国产之光'开源项目！ mmDetection包含模型非常非常多，部分内容如下（不要被吓到）： 支持的backbones：
支持的模型：
基于mmdetection二次开发的开源项目 基于mmdetection 开发的开源项目特别特别多，比如最近CVPR 2020上很多检测工作就是基于此开发的。这里就不一一介绍，简单列几个较为知名的： https://github.com/Gus-Guo/AugFPN https://github.com/FishYuLi/BalancedGroupSoftmax https://github.com/JialeCao001/D2Det https://github.com/caiqi/sample-weighting-network https://github.com/jshilong/SEPC https://github.com/Sense-X/TSD https://github.com/ggjy/HitDet.pytorch SimpleDet 维护团队：图森未来（TuSimple） star数：2691 所属框架：MXNet https://github.com/TuSimple/simpledet SimpleDet 是一套简单且多功能的目标检测与实例分割的框架。就这么说吧，如果你是用MXNet来开发检测项目，那么直接用SimpleDet就行。 SimpleDet 包含的库也相当丰富，如：Faster R-CNN，Mask R-CNN，Cascade R-CNN，RetinaNet，DCNv1/v2，TridentNet，NASFPN , EfficientNet, FOCS，FreeAnchor，RepPoints，和SEPC等 SimpleDet 更新频率也相当快，官网给出的更新时间表如下： darknet 维护团队：AlexeyAB（个人开发者） star数：11667 所属框架：darknet（基于C语言编写） https://github.com/AlexeyAB/darknet
说起 darknet 可能有些人并不熟悉，但直接说出它的目标检测真身：YOLO，很多人就知道了。darknet 本身是 YOLO系列中著名的backbone，然后YOLO项目一直放在darknet中。 本文介绍的darknet并非YOLOv1-v3作者（Joseph Redmon）的darknet，而是YOLOv4作者（AlexeyAB）的darknet，因为Joseph Redmon不再继续维护darknet。
darknet中包含的目标检测模型相对上面三大神器要少很多，但个个都是扛把子的，比如YOLO、YOLOv2、YOLOv3和YOLOv4。 如果你想用C/C++来开发目标检测模型，那么darknet是最适合你的神器。 总结 1. 如果你想用PyTorch开发检测项目，则推荐Detectron2、mmDetection； 2. 如果你想用MXNet开发检测项目，则推荐SimpleDet； 3. 如果你想用C/C++开发检测项目，则推荐darknet； 4. 如果你想用YOLO，则可以用darknet，也可以上github搜一下其他框架复现的版本。 如果各位CVer喜欢这样的'开源'系列，请给这篇文章点个'赞'和'在看'，如果点击'在看'的人多，其它CV方向的'开源'系列也会尽快推出！ 重磅！CVer-目标检测 微信交流群已成立 扫码添加CVer助手，可申请加入CVer-目标检测 微信交流群，目前已汇集4100人！涵盖2D/3D目标检测、小目标检测、遥感目标检测等。互相交流，一起进步！ 同时也可申请加入CVer大群和细分方向技术群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。 一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群 ▲长按加群 ▲长按关注我们 整理不易，请给CVer点赞和在看！ |
|
|
