港中文-商汤OpenMMLab开源全景图！
OpenMMLab 为香港中文大学-商汤科技联合实验室 MMLab 开源的算法平台，不到两年时间，已经包含众多 SOTA 计算机视觉算法。
OpenMMLab 在Github上不是一个单独项目，除了大家所熟知的 Github 上万 star 目标检测库 MMDetection，还有其他方向的代码库和数据集，非常值得从事计算机视觉研发的朋友关注。
近期 OpenMMLab 进行了密集更新，新增了多个库，官方称涉及超过 10 个研究方向，开放超过 100 种算法和 600 种预训练模型，目前Github总星标超过 1.7 万。是CV方向系统性较强、社区活跃的开源平台。
这些库大部分都基于深度学习 PyTorch 框架，算法紧跟前沿，方便易用，文档较为丰富，无论对于研究还是工程开发的朋友都很值得了解。
项目主页：
本文带领大家细数各个代码库，相信总有一款适合你！
MMCV
MMCV是用于计算机视觉研究的基础Python库，支持OpenMMLab旗下其他开源库。
Github | https://github.com/open-mmlab/mmcv
主要功能是I/O、图像视频处理、标注可视化、各种CNN架构、各类CUDA操作算子。
MMDetection
MMDetection是基于PyTorch的开源目标检测工具箱。是OpenMMLab最知名的开源库，几乎是研究目标检测必备！
主要特点：
- 模块化设计
- 支持开箱即用的多方法
- 高效率
- SOTA
demo：
Github | https://github.com/open-mmlab/mmdetection
主持的主干网:
- ResNet
- ResNeXt
- VGG
- HRNet
- RegNet
- Res2Net
支持的算法:
- RPN
- Fast R-CNN
- Faster R-CNN
- Mask R-CNN
- Cascade R-CNN
- Cascade Mask R-CNN
- SSD
- RetinaNet
- GHM
- Mask Scoring R-CNN
- Double-Head R-CNN
- Hybrid Task Cascade
- Libra R-CNN
- Guided Anchoring
- FCOS
- RepPoints
- Foveabox
- FreeAnchor
- NAS-FPN
- ATSS
- FSAF
- PAFPN
- Dynamic R-CNN
- PointRend
- CARAFE
- DCNv2
- Group Normalization
- Weight Standardization
- OHEM
- Soft-NMS
- Generalized Attention
- GCNet
- Mixed Precision (FP16) Training
- InstaBoost
- GRoIE
- DetectoRS
- Generalized Focal Loss
论文盘点 | CVPR 2020 -目标检测篇
MMDetection3D
从CVPR2020 中也可以看出3D目标检测研究异常火热，该库是专门用于3D目标检测的开源库。
主要特点：
- 支持开箱即用的多模态/单模态检测器
- 支持开箱即用的室内/室外检测器
- 与2D目标检测自然融合
- 高效率
demo：
Github | https://github.com/open-mmlab/mmdetection3d
论文盘点 | CVPR 2020 -目标检测篇
MMSegmentation
MMSegmentation是一个基于PyTorch的开源语义分割工具箱.
主要特点：
- 统一基准
- 模块化设计
- 支持开箱即用的多方法
- 高效率
demo：
Github | https://github.com/open-mmlab/mmsegmentation
支持的骨干网:
- ResNet
- ResNeXt
- HRNet
支持的算法:
- FCN
- PSPNet
- DeepLabV3
- PSANet
- DeepLabV3+
- UPerNet
- NonLocal Net
- EncNet
- CCNet
- DANet
- GCNet
- ANN
- OCRNet
论文盘点 | CVPR 2020 -语义分割篇
MMClassification
MMClassification是基于PyTorch的开源图像分类工具箱。
主要特点：
- 各种骨干与预训练模型
- Bag of training tricks
- 大规模训练配置
- 高效率与可扩展性
Github | https://github.com/open-mmlab/mmclassification
支持的骨干网:
- ResNet
- ResNeXt
- SE-ResNet
- SE-ResNeXt
- RegNet
- ShuffleNetV1
- ShuffleNetV2
- MobileNetV2
- MobileNetV3
MMPose
MMPose是一个基于PyTorch的开源姿势估计工具箱。
demo：
Github | https://github.com/open-mmlab/mmpose
论文盘点 | CVPR 2020 -人体姿态估计与动作捕捉篇
MMAction
MMAction是一个基于PyTorch开放源代码的工具箱，用于动作理解。
主要特点：
- 可以解决以下任务
- 从剪辑视频中进行动作识别
- 未剪辑视频中的时序动作检测（也称为动作定位）
- 未剪辑视频中的时空动作检测。
- 支持各种数据集
- 支持多动作理解框架
- 模块化设计
Github | https://github.com/open-mmlab/mmaction
论文盘点 | CVPR 2020 -动作识别篇
MMAction2
MMAction2是一个基于PyTorch开放源代码的工具箱，用于动作理解。
主要特点：
- 模块化设计
- 支持多种数据集
- 支持多重动作理解框架
- 完善的测试和记录
MMAction2比MMAction支持的算法更多，速度更快，开发者也更活跃。
demo：
Github | https://github.com/open-mmlab/mmaction2
支持的动作识别算法:
- TSN
- TSM
- R(2+1)D
- I3D
- SlowOnly
- SlowFast
支持的动作定位算法:
- BMN
- BSN
论文盘点 | CVPR 2020 -动作识别篇
MMSkeleton
MMSkeleton
用于人体姿势估计，基于骨架的动作识别和动作合成。
特点：
- 高扩展性
- 多任务
demo：
Github | https://github.com/open-mmlab/mmskeleton
论文盘点 | CVPR 2020 -动作识别篇
论文盘点 | CVPR 2020 -人体姿态估计与动作捕捉篇
MMFashion
MMFashion是一个基于PyTorch的开源视觉时尚分析工具箱。
特点：
- 灵活：模块化设计，易于扩展
- 友好：外行用户的现成模型
- 全面：支持各种时装分析任务
demo：
Github | https://github.com/open-mmlab/mmfashion
支持应用：
- 服饰属性预测
- 服饰识别与检索
- 服饰特征点检测
- 服饰解析和分割
- 服饰搭配推荐
相关解读 | 当时尚遇上AI！港中文MMLab开源MMFashion工具箱
相关解读 | 研究CV、研究美，MMFashion开源库升级～
MMEditing
MMEditing是基于PyTorch的开源图像和视频编辑工具箱主要特点：
- 模块化设计
- 在编辑中支持多任务
- SOTA
demo：
Github | https://github.com/open-mmlab/mmediting
论文盘点 | CVPR 2020 -抠图Matting篇
论文盘点 | CVPR 2020 -图像质量评价篇
论文盘点 | CVPR 2020 -去雨去雾去模糊篇
论文盘点 | CVPR 2020 -图像修复Inpainting篇
论文盘点 | CVPR 2020 -图像增强与图像恢复篇
OpenPCDet
OpenPCDet 是一个清晰，简单，自成体系的开源项目，用于基于LiDAR的3D目标检测。
设计模式：
Github | https://github.com/open-mmlab/OpenPCDet
支持一阶段和两阶段的3D目标检测框架、多机多卡分布式训练和测试、ATSS等。
论文盘点 | CVPR 2020 -目标检测篇
OpenUnReID
OpenUnReID是研究用于目标重识别的无监督学习和无监督域适应的开源库，基于PyTorch实现。主要特点：
- 多机多卡分布式训练和测试
- 支持数据集、骨干网、损失函数高度灵活的结合
- 高速的基于GPU的伪标签生成和k-reciprocal重排序方法
- 即插即用的适用任何骨干网的批规范化方法：BatchNorms、sync BN
- 强大的基线实现
- 目前目标重识别领域无监督学习和域适应的众多SOTA算法
支持算法：
Github | https://github.com/open-mmlab/OpenUnReID
OpenSelfSup
OpenSelfSup是基于PyTorch的无监督表示学习工具箱
主要特点：
- 方法众多
- 灵活可扩展
- 高效
- 算法比较评测简单
包含算法：
其中BYOL刚出来没多久！
