README_MMSEG_zh-CN.md

文档: https://mmsegmentation.readthedocs.io/

English | 简体中文

简介

MMSegmentation 是一个基于 PyTorch 的语义分割开源工具箱。它是 OpenMMLab 项目的一部分。

主分支代码目前支持 PyTorch 1.3 以上的版本。

主要特性

• 统一的基准平台

  我们将各种各样的语义分割算法集成到了一个统一的工具箱，进行基准测试。

• 模块化设计

  MMSegmentation 将分割框架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分割模型。

• 丰富的即插即用的算法和模型

  MMSegmentation 支持了众多主流的和最新的检测算法，例如 PSPNet，DeepLabV3，PSANet，DeepLabV3+ 等.

• 速度快

  训练速度比其他语义分割代码库更快或者相当。

开源许可证

该项目采用 Apache 2.0 开源许可证。

更新日志

最新的月度版本 v0.11.0 在 2021.02.02 发布。 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。

基准测试和模型库

测试结果和模型可以在模型库中找到。

已支持的骨干网络：

• ResNet
• ResNeXt
• HRNet
• ResNeSt
• MobileNetV2
• MobileNetV3

已支持的算法：

• FCN
• PSPNet
• DeepLabV3
• PSANet
• DeepLabV3+
• UPerNet
• NonLocal Net
• EncNet
• CCNet
• DANet
• APCNet
• GCNet
• DMNet
• ANN
• OCRNet
• Fast-SCNN
• Semantic FPN
• PointRend
• EMANet
• DNLNet
• CGNet
• Mixed Precision (FP16) Training

安装

请参考快速入门文档进行安装和数据集准备。

快速入门

请参考训练教程和测试教程学习 MMSegmentation 的基本使用。 我们也提供了一些进阶教程，内容覆盖了增加自定义数据集，设计新的数据预处理流程，增加自定义模型，增加自定义的运行时配置。 除此之外，我们也提供了很多实用的训练技巧说明。

同时，我们提供了 Colab 教程。你可以在这里浏览教程，或者直接在 Colab 上运行。

引用

如果你觉得本项目对你的研究工作有所帮助，请参考如下 bibtex 引用 MMSegmentation。

@misc{mmseg2020,
    title={{MMSegmentation}: OpenMMLab Semantic Segmentation Toolbox and Benchmark},
    author={MMSegmentation Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmsegmentation}},
    year={2020}
}

贡献指南

我们感谢所有的贡献者为改进和提升 MMSegmentation 所作出的努力。请参考贡献指南来了解参与项目贡献的相关指引。

致谢

MMSegmentation 是一个由来自不同高校和企业的研发人员共同参与贡献的开源项目。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。 我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现已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。

OpenMMLab 的其他项目

• MMCV: OpenMMLab 计算机视觉基础库
• 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
• MMSegmentation: OpenMMLab 语义分割工具箱
• 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
• MMPose: OpenMMLab 姿态估计工具箱
• MMEditing: OpenMMLab 图像视频编辑工具箱