qq_39967751的博客

本文从零开始教你如何基于 MMYOLO 训练一个可部署的检测模型，提供了 11 个完整步骤。用户在面对自定义数据集时候也可以按照这个步骤来逐条确认检查。如果你对本文有任何好的建议，或者对 MMYOLO 有不同看法，欢迎留言反馈，或者直接联系微信小助手。

在刚刚结束的 ACCV 2022 国际细粒度图像分析挑战赛中，我们团队在 **133** 支参赛队伍中脱颖而出，在 **Leadboard-B** 上以 2.5 的绝对优势取得冠军。

在日常代码的编写中使用多分派技术，可以**避免大量重复的类型判断语句，让代码更加简单易懂，不仅如此，还可以让代码拥有更加灵活的扩展能力。** 本文将给大家主要介绍在 Python 中基于参数类型提示的多分派机制，快一起来学习下吧~

在今天的 PyTorch 2022 开发者大会上，PyTorch 团队发布了一个新特性`torch.compile`，这个新特性将 PyTorch 的性能推向了新高度，并开始将 PyTorch 的部分实现从 C++ 中迁移到 Python 中。他们相信这是 PyTorch 一个实质性的新方向--因此称之为 **PyTorch 2.0**。`torch.compile` 是一个完全附加的（和可选的）功能，因此 **PyTorch 2.0 100% 向后兼容，** 因此基于 PyTorch 1.x 开发的项目

本文介绍将为大家介绍一个目标检测模型 —— DN-DETR，其最大亮点是在训练过程中引入了去噪（DeNoising）任务，这也是 DN-DETR 取名之由来。该任务与原始 DETR 的匈牙利匹配过程是相互独立的，相当于是个 shortcut，“绕”过了后者。最终，DN-DETR 在 DAB-DETR 的基础上进一步加速了收敛，对于 COCO 数据集，仅用 12 个 epochs 就可以玩得很漂亮。

MMRotate 是一个基于 PyTorch 和 MMDetection 的开源旋转框目标检测工具箱。它将目标检测从水平框扩展到旋转框，为场景文字、遥感影像、自动驾驶等领域的应用打下了基础，为学术界和产业界提供了高效强大的基准模型。

MMRazor 是 OpenMMLab 开源项目里模型压缩领域的算法工具箱，目前支持了知识蒸馏、模型通道剪枝和模型结构搜索，模型量化部分正在开发中。

MMPose 作为 OpenMMLab 系列中的姿态估计算法库，自 2020 年发布以来，经过 2 年的不断迭代打磨，已经成为姿态估计领域覆盖算法最多，功能最全的开源算法库之一。MMPose 的成长离不开来自社区同学的宝贵意见和热情帮助，每个 star 和 PR 都为 MMPose 注入了活力。同时，我们也欣喜地看到 MMPose 正成为越来越多顶会论文、项目产品背后的有力工具。

近日，PyTorch 发布了 PyTorch 1.13 版本，本次新版发布主要包含以下亮点：

OpenMMLab 是深度学习时代最完整的计算机视觉开源算法体系，目前已涵盖 30+ 研究领域，这些研究领域都有各自任务的评测指标。我们希望能够将这些评测指标统一起来，以更加易用和开放的方式服务于更多用户。因此，我们在 MMEngine 中的评测指标模块基础上，将原 OpenMMLab 各算法库的评测指标集成进来，开发了一个**统一开放的跨框架算法评测库：MMEval**

MMSegmentation 是 OpenMMLab 开源项目里的语义分割领域的算法工具箱，它实现了许多高质量语义分割算法模型和数据集，也为语义分割任务提供了统一的框架和基准测试。

MMTracking 是 OpenMMLab 生态面向视频物体感知的开源算法库，主要涵盖了计算机视觉领域丰富的视频物体感知任务，比如视频目标检测、多目标跟踪、视频实例分割、单目标跟踪。

自从两年前 MMDetection3D 发布以来，我们收到了很多用户的反馈，其中有不少有价值的建议，同时也有很多吐槽（当然我们非常欢迎大家来吐槽），也有很多社区用户参与到我们代码库的完善中，我们也非常高兴地看到越来越多的自动驾驶团队将 MMDetection3D 用在实际业务中，越来越多的研究人员用 MMDetection3D 做研究发 paper ，而这次发布的 MMDetection3D 1.1 则是我们尝试探索下一代 3D 通用感知的第一步。

MMYOLO 致力于在复现诸多 YOLO 算法的基础上，提供公平统一的算法评测流程，支持多任务易扩展的高效训练推理引擎，提供丰富的从入门到进阶的教程文档，我们希望将其打造成 YOLO 系列核心热门开源库以及工业应用核心库。

** 基于全新的训练引擎 MMEngine，MMDetection 3.0 和其它 OpenMMLab 2.0 的算法库彻底拉通了底层设计，并采用了统一的细粒度抽象与接口，使得训练流程更加灵活，架构更具扩展性。在此基础上，MMDetection 3.0 对模型的各个组件接口也进行了重构和简化，以支撑更加丰富的检测算法和下游应用。MMDetection 3.0 的运行速度和基准精度也得到了进一步优化，达到了现有框架的最优水平。另外，我们还研发了高精度模型 RTMDet，并和热情的社区开发者一起合作，开发了 M

2022 年 9 月，我们发布了MMSelfSup v1.0.0rc，全面升级了架构设计，适配全新的 OpenMMLab 2.0 体系。我们接下来将从**升级架构设计，算法库新特性**两个方面，对全新升级的 MMSelfSup 1.0 进行介绍。

我们知道，MMCV 包含两个版本，一个是 mmcv，一个是 mmcv-lite，前者包含所有的特性以及丰富的开箱即用的 CUDA 算子，后者不包含 CUDA 算子但包含其余所有特性和功能。我们曾做过一份问卷调查，其中的一个问题是“你使用 OpenMMLab 项目遇到的最大困难是什么”，绝大多数的社区用户给出的回答都是安装问题。除了常用的数据变换类和数据流水线，数据变换模块还提供了四个特殊的数据变换类，它们本身并不操作数据字典中的图像、标签等信息，而是对其中定义的数据变换的行为进行增强。

MMCV 作为深度学习基础框架的先驱，一经开源就受到了社区同学的广泛关注。然而随着深度学习任务的需求变得越来越多样化，MMCV 早期的架构设计也开始难以满足日益复杂的需求。因此 OpenMMLab 2.0 发布了新一代训练架构 MMEngine，以统一的执行引擎，灵活支持了 20 个以上的计算机视觉任务。

我们基于 MMDetection V3.0 开源了全新算法库 —— MMYOLO，回应社区广泛的呼声。

OpenMMLab 2.0 浦视视觉算法体系正式亮相，展示了新架构、新算法、新生态，迎来开源后最大版本升级

上海人工智能实验室在WAIC 2022科学前沿全体会议发布“OpenXLab浦源”人工智能开源开放体系。

AI 来帮你找到心仪的另一半！

新一批 05 后新星是如何踏上这条 CV 之路？TA 们对这一行业又有着怎样的理解呢？且看 MM 星探前方为你带来的报道

OpenMMLab 6 月月刊新鲜出炉！我们有 8 个算法库更新了版本。

还在愁大赛成果不满意吗？还在烦与顶会顶刊擦肩而过吗？如果你也是 3D 目标检测领域的研究者赶紧让 MMDetection3D 助你过关斩将吧！

号外号外！OpenMMLab 姿态估计创意 Demo 大赛震撼来袭！不设任务，不限主题，完全自由发挥！是不是有亿点点心动？快来解锁活动详情吧～世间万物，千姿百态，异彩纷呈。令人眼花缭乱的外表下，则有其内在结构和运动规律如何透过表象，洞察结构与运动的本质？姿态估计算法给你一双这样的 “慧眼”https://github.com/open-mmlab/mmpose​github.com/open-mmlab/mmpose阿基米德曾说，“给我一个支点，我就能撬动地球”。那么，有了姿态

在真实场景中，我们见到的图像不都是方方正正的，比如扫描的图书和遥感图像，需要检测的目标通常是有一定旋转角度的。这时候就需要用到旋转目标检测方法，对目标进行精确的定位，方便后面的识别、分析等高级任务。所谓旋转目标检测（Rotated Object Detection），又称为有向目标检测（Oriented Object Detection），试图在检测出目标位置的同时得到目标的方向信息。它通过重新定义目标表示形式，以及增加回归自由度数量的操作，实现旋转矩形、四边形甚至任意形状的目标检测。旋转目标检测在..