AI实战训练营&OpenMMLab概述

一 OpenMMLab简介

随着深度学习、计算机视觉等学科的发展，各大研究机构为公司陆续开源自己的深度学习框架，论文发表同时开源代码也成了行业内的习惯。

官网:https: openmmlab.com
Github:https: github.com/open-mmlab
公众号:OpenMMLab

OpenMMLab是一个产学研用四位一体的开放开源算法平台

• 学术 提供高质量代码框架和算法基准，促进学术界健康、快速发展
• 产业 缩短算法落地链条，促产学研打通 为行业降本增效
• 生态 提高中国在AI算法生态上的话语权 促进上下游企业发展
• 人才 形成持续成长的开源社区，促进AI行业人才成长 构建课程体系，助力人才培养

---

OpenMMLab 所有项目基于一致架构开发

• 20+研究方向 涵盖多个研究热点方向
• 算法覆盖完全 300+算法 性能领先
• 2400+预训练模型，真正实现开箱即用

---

总体架构

涵盖了图像识别分类、目标检测、图像分割、姿态估计、视频理解、OCR、3D目标检测、3D人体姿态估计、模型轻量化、自监督、少样本、光流、预训练、多模态、AIGC、推理部署等等计算机视觉任务，在GitHUB上累计获得十万star，超过了Pytorch。

社区生态

项目影响

• OpenMMLab算法开放体系 开源项目关注超过83000人
• 全球近1800开发者参与贡献
• 用户遍及110个国家和地区

生态开放

• 生态开源项目超过1000个
• 生态项目总star数超过100000
• 代码被import行数超过500000

产学研一体化

• 覆盖超过1000家企业和高校
• 支持超过1200篇论文发表
• 模型下载每年超过1500000次

二 OpenMMLab各开源算法库详细介绍

MMDetection

它可以解决目标检测实例分割全景分割和目标追踪任务，这是OpenMMLab在业界最优影响力的算法库。

OpenMMLab是开源算法体系，它已经提供了各个计算机视觉方向的大量开箱即用的预训练模型和算法，也就是说OpenMMLab的算法研究员已经帮我们把这些CV任务的常见算法都实现好了

MMDetection被广泛用于学术界和工业界，很多顶会论文、很多比赛冠军、很多商业落地的产品都是基于MMDetection实现的。

MMYOLO

MMYOLO是专门用来解决YOLO目标检测问题，他的特征就是快

MMOCR

主要解决三类问题，文本检测就是把图像上的文本区域抠出来，或者说画出来，文本识别是把文字的内容识别出来，关键信息提取是对一些结构化的票据，证件照来进行信息的提取。

MMDetection3D

专门做3D目标检测的算法库，这个在无人驾驶中用的居多，要通过激光雷达和毫米波雷达，感知无人驾驶周围的3d点云数据，来进行3D目标检测，很多无人驾驶的初创公司都是用MMDetection3D来实现自己的无人驾驶算法

MMRotate

专门做旋转目标检测的算法库，传统的目标检测框架是横平竖直的，但是在旋转目标检测框有方向，比如不同方向的车、不同方向的船。

MMSegmentation

专门做图像分割，特别是语义分割的算法库，在街景，在无人驾驶遥感图像医疗领域，语义分割都是非常重要的算法，任务本质是给每一个像素进行分类，可以用它来识别医疗场景中的病灶区域、肿瘤区域，遥感图像中河流山地农田的面积，街景数据里的马路牙，车道线。MMSegmentation提供了600多个预训练模型，复现了40多篇的经典和前沿的语义分割论文。

MMPose

是一款基于pytorch的姿态分析的开源工具箱，所谓姿态估计其实就是关键点检测。

MMHuman3D

三维人体姿态估计就是用一个3d的模型去包络出人体，我们可以用一个3d数字人去拟合一个真人，特别是在动作捕捉领域和虚拟现实领域，有一个3d的人就能跟现实世界的人进行对应，比如说在足球运动里，在交通事故的模拟中，甚至在很多的竞技类运动中，都可以用到这个算法。