概述

本章向您介绍 MMDetection 的整体框架，并提供详细的教程链接。

什么是 MMDetection

MMDetection 是一个目标检测工具箱，包含了丰富的目标检测、实例分割、全景分割算法以及相关的组件和模块，下面是它的整体框架：

MMDetection 由 7 个主要部分组成，apis、structures、datasets、models、engine、evaluation 和 visualization。

• apis 为模型推理提供高级 API。
• structures 提供 bbox、mask 和 DetDataSample 等数据结构。
• datasets 支持用于目标检测、实例分割和全景分割的各种数据集。
  • transforms 包含各种数据增强变换。
  • samplers 定义了不同的数据加载器采样策略。
• models 是检测器最重要的部分，包含检测器的不同组件。
  • detectors 定义所有检测模型类。
  • data_preprocessors 用于预处理模型的输入数据。
  • backbones 包含各种骨干网络。
  • necks 包含各种模型颈部组件。
  • dense_heads 包含执行密集预测的各种检测头。
  • roi_heads 包含从 RoI 预测的各种检测头。
  • seg_heads 包含各种分割头。
  • losses 包含各种损失函数。
  • task_modules 为检测任务提供模块，例如 assigners、samplers、box coders 和 prior generators。
  • layers 提供了一些基本的神经网络层。
• engine 是运行时组件的一部分。
  • runner 为 MMEngine 的执行器提供扩展。
  • schedulers 提供用于调整优化超参数的调度程序。
  • optimizers 提供优化器和优化器封装。
  • hooks 提供执行器的各种钩子。
• evaluation 为评估模型性能提供不同的指标。
• visualization 用于可视化检测结果。

如何使用本指南

以下是 MMDetection 的详细指南：

1. 安装说明见开始你的第一步。

2. MMDetection 的基本使用方法请参考以下教程。

   • 训练和测试

   • 实用工具

3. 参考以下教程深入了解：

   • 基础概念
   • 组件定制

4. 对于 MMDetection 2.x 版本的用户，我们提供了迁移指南，帮助您完成新版本的适配。