锐客网

  1. 首页 > 睿知 > it技术 > >

四大开源目标检测框架

深度学习

Detectron2 维护团队：Facebook
所属框架：PyTorch
https://github.com/facebookresearch/detectron2
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
【四大开源目标检测框架】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
所属框架：PyTorch
https://github.com/open-mmlab/mmdetection
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）
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
darknet 维护团队：AlexeyAB（个人开发者）
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。
值得提一下，本文介绍的darknet的github star数是11667！这个数量要高于上面介绍的Detectron2、mmDetection和SimpleDet。而且这三个项目的commits数量全部加起来都比不过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
转自：https://mp.weixin.qq.com/s/CrdkKj2nPiuUVYDs3Ky05g

    推荐阅读


    上一篇：理论|SVM的计算复杂度

    下一篇：图像处理|计算机视觉--Python实现人体姿态估计