MMdetection tidak didukung lagi

Seluruh set alat MM* sudah mencapai akhir masa penggunaan (EOL)...

Konten Halaman

Saya telah menggunakan MMDetection (mmengine, mdet, mmcv) cukup banyak, Dan kini tampaknya sudah tidak lagi digunakan. Sayang sekali. Saya menyukai koleksi modelnya.

Lihat, misalnya di sini: Deteksi Objek Kap Kabel Penguat Beton dengan TensorFlow dan di sini: Pelatihan Detektor Objek AI dengan Label Studio & MMDetection

mm train

mmdetection sudah tidak didukung lagi

Saya penasaran mengapa tidak ada rilis selama tahun lalu dan berikut adalah alasan mengapa:

Seperti yang kita lihat di https://github.com/open-mmlab/mmdetection/discussions/11815

mchaniotakis berkomentar pada 28 Juni 2024:

Saya pikir, meskipun openmmlab memiliki kurva belajar yang curam,
setelah selesai diatur, alat ini sangat hebat untuk digunakan.

Namun, pengembangan tampaknya berhenti sejak akhir Desember
setelah meninggalnya Profesor Tang Xiaoou.

Apakah ada rencana untuk melanjutkan pengembangan di masa depan
(atau setidaknya menunjuk pemelihara baru)?

Dan jawabannya dari maisonhai3:

Mereka meninggalkan MMLab.
Kepala professor MMLab sudah meninggal beberapa tahun lalu.
Kemudian, mereka memindahkan staf ke InternLM.
Kemudian, bahkan InternLM sekarang sudah hampir mati.

Saya menyukai karya-karya MMLab. Kualitas kode mereka sangat baik. Mudah untuk dipelihara.

Sedikit tentang MMDetection…

MMDetection adalah toolbox deteksi objek open-source yang dikembangkan oleh OpenMMLab, berbasis PyTorch. Ia menyediakan kerangka kerja komprehensif untuk tugas seperti deteksi objek, segmentasi instance, dan segmentasi panoptic. MMDetection bersifat modular, memungkinkan pengguna untuk menyesuaikan komponen seperti backbone, neck, head, dan fungsi loss untuk membangun model deteksi satu tahap, dua tahap, atau multi tahap.

Fitur utama meliputi:

  • Desain Modular: Komponen seperti Backbone, Neck, DenseHead, ROIExtractor, dan ROIHead dapat dikustomisasi atau diganti.
  • Dukungan Model yang Kaya: Termasuk model-model terkini seperti Cascade R-CNN, FCOS, dan Dynamic R-CNN.
  • Integrasi: Kompatibel dengan alat seperti ArcGIS untuk alur kerja yang lebih efisien.
  • Fleksibilitas: Mendukung pelatihan dan inferensi dengan konfigurasi dan bobot pra-latih yang kustom.

MMDetection digunakan secara luas dalam penelitian dan aplikasi visi komputer karena fleksibilitas dan benchmark kinerjanya.

Tautan yang Berguna