? ? ? OpenMMLab是一個適用于學(xué)術(shù)研究和工業(yè)應(yīng)用的開源算法體系，涵蓋了計算機視覺的許多研究課題，于2018年10月啟動。主要包括2部分：開源項目和開放數(shù)據(jù)集。以下內(nèi)容主要摘自于：https://openmmlab.com/

? ? ? 開源項目：https://github.com/open-mmlab ，包含很多項目，由于每個項目起始開發(fā)時間不同，因此各個項目發(fā)布版本并不統(tǒng)一，有些項目版本更新較快。而且對于Python、PyTorch、CUDA的版本要求也并不統(tǒng)一，大部分項目需要Python 3.6以上版本，需要PyTorch 1.5以上版本，CUDA可以使用10.2(因為PyTorch各個版本對CUDA 10.2都有支持)。有些項目需CUDA的支持，否則功能會不完善，如MMDetection。支持Windows、Linux和Mac平臺。License為Apache-2.0。有些項目之間有依賴關(guān)系。從各個項目的名字大體可以看出此項目的主要內(nèi)容。

? ? ? 1.MMCV：是一個面向計算機視覺的基礎(chǔ)庫，它支持很多開源項目，如MMDetection、MMOCR等。最新發(fā)布版本為v1.6.1。

? ? ? 2.MMDetection：是一個基于PyTorch的目標(biāo)檢測開源工具箱。最新發(fā)布版本為v2.25.1。

? ? ? 3.MMDetection3D：是一個基于PyTorch的目標(biāo)檢測開源工具箱，下一代面向3D檢測的平臺。最新發(fā)布版本為v1.0.0rc3。

? ? ? 4.MMEditing：是一個基于PyTorch的圖像&視頻編輯開源工具箱，支持超分辨率、修復(fù)、摳圖、視頻插值等。最新發(fā)布版本為v0.15.1。

? ? ? 5.MMAction2：是一個基于PyTorch的視頻理解開源工具箱。最新發(fā)布版本為v0.24.1。

? ? ? 6.MMSegmentation：是一個基于PyTorch的語義分割開源工具箱。最新發(fā)布版本為v0.27.0。

? ? ? 7.MMClassification：是一個基于PyTorch的開源圖像分類工具箱。最新發(fā)布版本為v0.23.2。

? ? ? 8.MMPose：是一個基于PyTorch的姿態(tài)分析的開源工具箱。最新發(fā)布版本為v0.28.1。

? ? ? 9.MMTracking：是一個基于PyTorch的視頻目標(biāo)感知開源工具箱。最新發(fā)布版本為v0.13.0。

? ? ? 10.MMOCR：是一個基于PyTorch和MMDetection的開源工具箱，專注于文本檢測，文本識別以及相應(yīng)的下游任務(wù)，如關(guān)鍵信息提取。最新發(fā)布版本為v0.6.0。

? ? ? 11.MMGeneration：是一個基于PyTorch和MMCV的強有力的生成模型工具箱，尤其專注于GAN模型。最新發(fā)布版本為v0.7.1。

? ? ? 12.MMRotate：是一個基于PyTorch的旋轉(zhuǎn)框檢測的開源工具箱。最新發(fā)布版本為v0.3.2。

? ? ? 13.MMDeploy：是OpenMMLab模型部署工具箱，為各算法庫提供統(tǒng)一的部署體驗。最新發(fā)布版本為v0.6.0。

? ? ? 14.MMRazor：是一個可用于模型瘦身和AutoML的模型壓縮工具箱。最新發(fā)布版本為v0.3.1。

? ? ? 15.MMHuman3D：是一個基于PyTorch的人體參數(shù)化模型的開源工具箱。最新發(fā)布版本為v0.9.0。

? ? ? 16.MMSelfSup：是一個基于PyTorch實現(xiàn)的開源自監(jiān)督表征學(xué)習(xí)工具箱。最新發(fā)布版本為v0.9.2。

? ? ? 17.MMFlow：是一個基于PyTorch的光流工具箱。最新發(fā)布版本為v0.5.1。

? ? ? 18.MMFewShot：是一個基于PyTorch的少樣本學(xué)習(xí)代碼庫。最新發(fā)布版本為v0.1.0。

? ? ? 開放數(shù)據(jù)集：不支持匿名下載

? ? ? 1.DeeperForensics-1.0 Dataset：是用于現(xiàn)實世界中人臉偽造檢測的新數(shù)據(jù)集。

? ? ? 2.FineGym：一個基于體操運動視頻建立的新數(shù)據(jù)集。

? ? ? 3.MovieNet：是用于全面理解電影的數(shù)據(jù)集。

? ? ? 4.MessyTable：包含大量從多個攝像機視圖中捕獲的混亂的桌子的場景。

? ? ? 5.Placepedia：包含24萬個地點，其中包含來自世界各地的3500萬張圖片。

? ? ? 6.TAPOS：是一個基于體育視頻構(gòu)建的，帶有子動作人工標(biāo)注的新數(shù)據(jù)集。

? ? ? 7.CULane：是一個大規(guī)模的極具挑戰(zhàn)性的車道線檢測學(xué)術(shù)數(shù)據(jù)集。

? ? ? 8.DeepFashion Dataset：是一個大型服裝數(shù)據(jù)庫。

? ? ? 9.FashionGAN Dataset：是基于DeepFashion數(shù)據(jù)集的子集上新標(biāo)注(語言和分段映射)的數(shù)據(jù)集。

? ? ? 10.kinetics-skeleton：是一個基于骨骼的人體理解的數(shù)據(jù)集。

? ? ? 11.OST dataset：室外場景數(shù)據(jù)集。

? ? ? 12.Web Image Dataset for Event Recognition(WIDER)：是用于從靜態(tài)圖像識別復(fù)雜事件的數(shù)據(jù)集。

? ? ? 13.Wider 2019：數(shù)據(jù)集圍繞人臉和身體的精確定位以及身份的精確識別這一問題。

? ? ? 14.WIDER ATTRIBUTE Dataset：是人類屬性識別基準(zhǔn)數(shù)據(jù)集，其圖像是從可公開獲得的WIDER數(shù)據(jù)集中選擇的。

? ? ? 15.WIDER FACE Dataset：是一個面部檢測基準(zhǔn)數(shù)據(jù)集，其圖像是從可公開獲得的WIDER數(shù)據(jù)集中選擇的。

? ? ? 16.WildLife Documentary(WLD) Dataset：包含從YouTube下載的15部紀(jì)錄片，其時長從9分鐘到長達(dá)50分鐘不等，并且總幀數(shù)超過747000。

? ? ? 17.CUHK Face Sketch FERET Database(CUFSF)：用于人臉?biāo)孛韬铣珊腿四標(biāo)孛枳R別的研究。

? ? ? 18.CUHK Image Cropping Dataset：該數(shù)據(jù)集提出了一種自動圖像裁剪的方法。

? ? ? 19.CUHK-PEDES：一個大型的人形描述數(shù)據(jù)集，其中包含來自各種來源的人形圖像詳細(xì)信息的語言標(biāo)注。

? ? ? 20.Expression in-the-Wild(ExpW) Dataset：包含91793個手動標(biāo)記了表達(dá)式的面部。

? ? ? 21.General 100 Dataset：包含100個bmp格式的圖像(無壓縮)。

? ? ? 22.LPW：收集于三個不同的擁擠場景中。

? ? ? 23.MIT Trajectory Dataset(Single Camera)：用于研究以對象軌跡為特征的單個攝像機視圖中的活動分析。

? ? ? 24.Multi-Task Facial Landmark(MTFL) Dataset：用于訓(xùn)練人臉界標(biāo)檢測的多任務(wù)深度模型。

? ? ? 25.Pedestrian Color Naming Dataset：包含14213 張圖像，每張圖像均用每個像素的顏色標(biāo)簽進行了手工標(biāo)記。

? ? ? 26.Social Relation Dataset：根據(jù)凱斯勒(Kiesler)提出的人際關(guān)系圈來定義社會關(guān)系特征，其中人際關(guān)系被分為16個部分。

? ? ? 27.The Comprehensive Cars(CompCars) dataset：包含來自兩種方案的數(shù)據(jù)，包括來自網(wǎng)絡(luò)和監(jiān)控的圖像。

? ? ? 28.Visual Discriminative Question Generation(VDQG) Dataset：包含從Visual Genome收集的11202個模糊圖像對。

? ? ? 29.WWW Crowd Dataset：是具有人群屬性標(biāo)注的最大人群數(shù)據(jù)集。

? ? ? 30.OmniSource：是一個以Kinetics-400類名稱作為查詢的多元化Web數(shù)據(jù)集。

? ? ? 31.ForgeryNet Dataset：是一個大型面部偽造數(shù)據(jù)集，它在四個任務(wù)中對圖像和視頻級數(shù)據(jù)進行統(tǒng)一的標(biāo)注。

? ? ? 另外在知乎https://www.zhihu.com/people/openmmlab 上也有很多技術(shù)文章。

? ? ? GitHub：https://github.com/fengbingchun/PyTorch_Test

總結(jié)

以上是生活随笔為你收集整理的OpenMMLab简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。