概述¶
本章将向您介绍 MMDetection 的框架，并提供有关 MMDetection 的详细教程的链接。
什么是 MMDetection¶
MMDetection 是一个目标检测工具箱，包含丰富的目标检测、实例分割和全景分割方法，以及相关组件和模块，以下是其完整的框架。
MMDetection 由 7 个主要部分组成：apis、structures、datasets、models、engine、evaluation 和 visualization。
apis 提供用于模型推理的高级 API。
structures 提供数据结构，例如 bbox、mask 和 DetDataSample。
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 包含许多有用的数据增强转换。
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 包含各种主干网络。
necks 包含各种颈部组件。
dense_heads 包含各种执行密集预测的检测头。
roi_heads 包含各种从 RoIs 预测的检测头。
seg_heads 包含各种分割头。
losses 包含各种损失函数。
task_modules 提供用于检测任务的模块。例如分配器、采样器、边界框编码器和先验生成器。
layers 提供一些基本的神经网络层。
engine 是运行时组件的一部分。
runner 提供对 MMEngine 的 runner 的扩展。
schedulers 提供用于调整优化超参数的调度器。
optimizers 提供优化器和优化器包装器。
hooks 提供 runner 的各种钩子。
evaluation 提供不同的指标用于评估模型性能。
visualization 用于可视化检测结果。