目标检测四大开源神器Detectron2/mmDetection/darknet/SimpleDet

2020-07-22 14:13 167 阅读 ID:70
计算机视觉论文速递
计算机视觉论文速递

前言

去年Amusi 盘点过:目标检测三大开源神器:Detectron2/mmDetection/SimpleDet。大家反映内容很棒,不少同学开始用起来这些目标检测工具,不管用于发Paper还是做项目。

如今过去半年多,目标检测领域发展迅速,Amusi 再次系统调研现在开源的目标检测神器。同时也有很多同学开始入坑目标检测,希望此文可以有所帮助,避免踩坑!

本文介绍目标检测(Object Detection)四个最为知名、关注度最高的开源神器,其实也可以称为工具箱(Toolkit),再俗气一点,就是"造轮子"神器。不仅会介绍这些神器的特点,还会增加新的内容:基于神器开发的新开源项目(这部分也可以说明该神器的认可度)。

用上好的神器,不仅可以快速实现你的idea,还可以帮助你提升coding能力。精读优质的代码(风格),长远看是非常有意义的。如下排名不分先后:

Detectron2

维护团队:Facebook
star数:11616
所属框架:PyTorch
https://github.com/facebookresearch/detectron2

Detectron2 前身就是鼎鼎大名的 Detectron,其实Detectron可以说是Facebook第一代检测工具箱,目前在github上获得 23.5k star!

https://github.com/facebookresearch/Detectron

但由于PyTorch版本升级等问题,Detectron目前已停止维护(弃用)。

其实在 Detectron向 Detectron2过渡期间,Facebook Research 还开源了一个知名的项目:maskrcnn-benchmark,目前已获得 7.7 k star!

https://github.com/facebookresearch/maskrcnn-benchmark

听名字应该就知道maskrcnn-benchmark主要是做实例分割和目标检测的,该项目也主要提供了Faster R-CNN和Mask R-CNN算法。

但同样由于PyTorch版本升级等问题,maskrcnn-benchmark目前已停止维护(弃用)。于是 maskrcnn-benchmark 这 7.7 k 的项目就此"搁浅"了。

话题说回主人公:Detectron2(新一代目标检测和分割框架)

Detectron2 不仅支持 Detectron已有的目标检测、实例分割、姿态估计等任务,还支持语义分割和全景分割。新增了Cascade R-CNN,Panoptic FPN和TensorMask新模型。

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
  • 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
star数:10769
所属框架:PyTorch
https://github.com/open-mmlab/mmdetection

mmDetection 是个非常强大的目标检测工具箱,也是基于PyTorch实现。Amusi 个人觉得mmDetection可以称为目标检测方向的"国产之光"开源项目!

mmDetection包含模型非常非常多,部分内容如下(不要被吓到):

支持的backbones:

  • ResNet
  • ResNeXt
  • VGG
  • HRNet
  • RegNet
  • Res2Net

支持的模型:

  • RPN
  • Fast R-CNN
  • Faster R-CNN
  • Mask R-CNN
  • Cascade R-CNN
  • Cascade Mask R-CNN
  • SSD
  • RetinaNet
  • GHM
  • Mask Scoring R-CNN
  • Double-Head R-CNN
  • Hybrid Task Cascade
  • Libra R-CNN
  • Guided Anchoring
  • FCOS
  • RepPoints
  • Foveabox
  • FreeAnchor
  • NAS-FPN
  • ATSS
  • FSAF
  • PAFPN
  • Dynamic R-CNN
  • PointRend
  • CARAFE
  • DCNv2
  • Group Normalization
  • Weight Standardization
  • OHEM
  • Soft-NMS
  • Generalized Attention
  • GCNet
  • Mixed Precision (FP16) Training
  • InstaBoost
  • GRoIE
  • DetectoRS
  • Generalized Focal Loss

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)
star数:2691
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

SimpleDet 更新频率也相当快,官网给出的更新时间表如下:

darknet

维护团队:AlexeyAB(个人开发者)
star数:11667
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。

总结

1. 如果你想用PyTorch开发检测项目,则推荐Detectron2、mmDetection;

2. 如果你想用MXNet开发检测项目,则推荐SimpleDet;

3. 如果你想用C/C++开发检测项目,则推荐darknet;

4. 如果你想用YOLO,则可以用darknet,也可以上github搜一下其他框架复现的版本。

5. 如果你想用TensorFlow,则可以用于TensorFlow官方的:https://github.com/tensorflow/models/tree/master/research/object_detection

如果各位CVer喜欢这样的"开源"系列,请给这篇文章点个"",如果点赞的人多,其它CV方向的"开源"系列也会尽快推出!

免责声明:作者保留权利,不代表本站立场。如想了解更多和作者有关的信息可以查看页面右侧作者信息卡片。
    快抢沙发!
    反馈
    to-top--btn