- 任务支持广泛: 目标检测, 实例分割, 全精分割;
- 覆盖广泛: 模型多, 复现论文多, 数据集多;
- 算法丰富:第4讲里的算法都有实现;
- 使用方便: 训练工具,测试工具和推理API;
MMDetection通过配置文件实现了
- 模型结构: backbone, 检测头等;
- 数据集: 数据集划分, 数据增强策略;
- 训练策略: 梯度下降算法, 学习率, 训练参数等;
- 运行时: GPU, 分布式环境配置;
- 辅助功能: 日志打印, 定时保存checkpoint; 这些功能的灵活配置;
MMDetection通过配置文件实现了