README_zh-CN.md

 

OpenMMLab 官网 ^HOT      OpenMMLab 开放平台 ^{TRY IT OUT}

 

📘使用文档 | 🛠️安装教程 | 👀模型库 | 🆕更新日志 | 🚀进行中的项目 | 🤔报告问题

English | 简体中文

介绍

MMRotate 是一款基于 PyTorch 的旋转框检测的开源工具箱，是 OpenMMLab 项目的成员之一。

主分支代码目前支持 PyTorch 1.6 以上的版本。

video.MP4

主要特性

• 支持多种角度表示法

  MMRotate 提供了三种主流的角度表示法以满足不同论文的配置。

• 模块化设计

  MMRotate 将旋转框检测任务解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的旋转框检测算法模型。

• 强大的基准模型与SOTA

  MMRotate 提供了旋转框检测任务中最先进的算法和强大的基准模型.

最新进展

亮点

我们很高兴向大家介绍我们在实时目标识别任务方面的最新成果 RTMDet，包含了一系列的全卷积单阶段检测模型。 RTMDet 不仅在从 tiny 到 extra-large 尺寸的目标检测模型上实现了最佳的参数量和精度的平衡，而且在实时实例分割和旋转目标检测任务上取得了最先进的成果。 更多细节请参阅技术报告。 预训练模型可以在这里找到。

Task	Dataset	AP	FPS(TRT FP16 BS1 3090)
Object Detection	COCO	52.8	322
Instance Segmentation	COCO	44.6	188
Rotated Object Detection	DOTA	78.9(single-scale)/81.3(multi-scale)	121

最新的 0.3.4 版本已经在 2023.02.01 发布:

• 修复与 numpy、scikit-learn 和 e2cnn 的兼容性
• 旋转变换支持 empty patch
• 使用 iof 进行 RRandomCrop 验证

如果想了解更多版本更新细节和历史信息，请阅读更新日志。

安装

MMRotate 依赖 PyTorch, MMCV 和 MMDetection，以下是安装的简要步骤。 更详细的安装指南请参考 安装文档。

conda create -n open-mmlab python=3.7 pytorch==1.7.0 cudatoolkit=10.1 torchvision -c pytorch -y
conda activate open-mmlab
pip install openmim
mim install mmcv-full
mim install mmdet
git clone https://github.com/open-mmlab/mmrotate.git
cd mmrotate
pip install -r requirements/build.txt
pip install -v -e .

教程

请参考快速入门文档学习 MMRotate 的基本使用。 我们提供了 colab 教程，也为新手提供了完整的运行教程，其他教程如下

• 学习基础知识
• 配置文件
• 添加数据集
• 添加新模型。

模型库

各个模型的结果和设置都可以在对应的 config（配置）目录下的 README.md 中查看。 整体的概况也可也在 模型库 页面中查看。

支持的算法

• Rotated RetinaNet-OBB/HBB (ICCV'2017)
• Rotated FasterRCNN-OBB (TPAMI'2017)
• Rotated RepPoints-OBB (ICCV'2019)
• Rotated FCOS (ICCV'2019)
• RoI Transformer (CVPR'2019)
• Gliding Vertex (TPAMI'2020)
• Rotated ATSS-OBB (CVPR'2020)
• CSL (ECCV'2020)
• R³Det (AAAI'2021)
• S²A-Net (TGRS'2021)
• ReDet (CVPR'2021)
• Beyond Bounding-Box (CVPR'2021)
• Oriented R-CNN (ICCV'2021)
• GWD (ICML'2021)
• KLD (NeurIPS'2021)
• SASM (AAAI'2022)
• Oriented RepPoints (CVPR'2022)
• KFIoU (arXiv)
• G-Rep (stay tuned)

数据准备

请参考 data_preparation.md 进行数据集准备。

常见问题

请参考 FAQ 了解其他用户的常见问题。

参与贡献

我们非常欢迎用户对于 MMRotate 做出的任何贡献，可以参考 CONTRIBUTION.md 文件了解更多细节。

致谢

MMRotate 是一款由不同学校和公司共同贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。 我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己的新模型，从而不断为开源社区提供贡献。

引用

如果你在研究中使用了本项目的代码或者性能基准，请参考如下 bibtex 引用 MMRotate。

@inproceedings{zhou2022mmrotate,
  title   = {MMRotate: A Rotated Object Detection Benchmark using PyTorch},
  author  = {Zhou, Yue and Yang, Xue and Zhang, Gefan and Wang, Jiabao and Liu, Yanyi and
             Hou, Liping and Jiang, Xue and Liu, Xingzhao and Yan, Junchi and Lyu, Chengqi and
             Zhang, Wenwei and Chen, Kai},
  booktitle={Proceedings of the 30th ACM International Conference on Multimedia},
  year={2022}
}

许可证

该项目采用 Apache 2.0 license 开源协议。

OpenMMLab的其他项目

• MMCV: OpenMMLab 计算机视觉基础库
• MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
• MMClassification: OpenMMLab 图像分类工具箱
• MMDetection: OpenMMLab 目标检测工具箱
• MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
• MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
• MMSegmentation: OpenMMLab 语义分割工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具包
• MMPose: OpenMMLab 姿态估计工具箱
• MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
• MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
• MMRazor: OpenMMLab 模型压缩工具箱与测试基准
• MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
• MMAction2: OpenMMLab 新一代视频理解工具箱
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMFlow: OpenMMLab 光流估计工具箱与测试基准
• MMEditing: OpenMMLab 图像视频编辑工具箱
• MMGeneration: OpenMMLab 图片视频生成模型工具箱
• MMDeploy: OpenMMLab 模型部署框架

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群或联络 OpenMMLab 官方微信小助手

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬