商汤科技正式开源mmdetection和mmcv
极客时间编辑部
讲述：丁婵大小：1.13M时长：02:28
近日，商汤科技正式开源 mmdetection 和 mmcv 两个项目。
据了解，mmdetection 检测库是基于商汤在 COCO 比赛（Detection 2018 winner）时的代码重构，这个开源库提供了已经公开发表的多种视觉检测核心模块，通过这些模块的组合，可以迅速搭建出各种著名的检测框架。
据该开源库作者之一、香港中文大学陈恺介绍，这一版本中实现了 RPN、Fast R-CNN、Faster R-CNN、Mask R-CNN，近期还计划释放出 RetinaNet 和 Cascade R-CNN。
另外，mmcv 是一个基础库，主要分为两个部分，一部分是和深度学习框架无关的一些工具函数，另一部分是为 PyTorch 写的一套训练工具，可以大大减少用户需要写的代码量，同时让整个流程的定制变得容易。
陈恺介绍， 相比 FAIR 的 Detectron，mmdetection 主要有以下三点优势：
性能稍高；
训练速度稍快；
所需要的显存稍小。
他进一步解释道，在性能上 ，由于 PyTorch 的 ResNet 结构和 Detectron 所用的 ResNet 有着细微差别（mmdetection 中可以通过 backbone 的 style 参数指定），导致模型收敛速度不一样。他们用两种结构都进行了实验，在和 Detectron 使用相同的预训练模型的情况下，性能比 Detectron 稍微高一些。
在速度方面，Mask R-CNN 的差异比较大，其余框架的差异很小。在实验中，采用相同的配置，Detectron 每个 iteration 需要 0.89s，而 mmdetection 只需要 0.69s。其中，Fast R-CNN 比较例外，比 Detectron 的速度稍慢。另外，他们在服务器上跑 Detectron 时，比官方运行的速度慢 20% 左右，陈恺提出猜测，这可能是 FB 的 Big Basin 服务器性能比他们好。
在显存方面，这一检测库的优势比较明显，会小 30% 左右。但是陈恺表示，这和框架有关。另外，一个让他们比较意外的结果是，在现在的代码版本上跑 ResNet-50 的 Mask R-CNN，每张卡（12 G）可以放 4 张图，显存消耗比他们在 COCO 比赛时小了不少。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论