README_zh-CN.md

 

OpenMMLab 官网 ^HOT      OpenMMLab 开放平台 ^{TRY IT OUT}

 

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

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。

main 分支代码目前支持 PyTorch 1.6 以上的版本。

🎉 MMSegmentation v1.0.0 简介 🎉

我们非常高兴地宣布 MMSegmentation 最新版本的正式发布！在这个新版本中，主要分支是 main 分支，开发分支是 dev-1.x。而之前版本的稳定分支保留为 0.x 分支。请注意，master 分支将只在有限的时间内维护，然后将被删除。我们鼓励您在使用过程中注意分支选择和更新。感谢您一如既往的支持和热情，让我们共同努力，使 MMSegmentation 变得更加健壮和强大！💪

MMSegmentation v1.x 在 0.x 版本的基础上有了显著的提升，提供了更加灵活和功能丰富的体验。为了更好使用 v1.x 中的新功能，我们诚挚邀请您查阅我们详细的 📚 迁移指南，以帮助您无缝地过渡您的项目。您的支持对我们来说非常宝贵，我们热切期待您的反馈！

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。

更新日志

最新版本 v1.2.0 在 2023.10.12 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。

安装

请参考快速入门文档进行安装，参考数据集准备处理数据。

快速入门

请参考概述对 MMSegmetation 进行初步了解

请参考用户指南了解 mmseg 的基本使用，以及进阶指南深入了解 mmseg 设计和代码实现。

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。

若需要将 0.x 版本的代码迁移至新版，请参考迁移文档。

教程文档

mmsegmentation 教程文档

开启 MMSeg 之旅	MMSeg 快速入门教程	MMSeg 细节介绍	MMSeg 开发教程
MMSeg 概述 安装和验证 常见问题解答	教程1：了解配置文件 教程2：准备数据集 教程3：使用预训练模型推理 教程4：模型训练和测试 教程5：模型部署 在 Jetson 平台部署 MMSeg 常用工具 特征图可视化 可视化	MMSeg 数据集介绍 MMSeg 模型介绍 MMSeg 数据结构介绍 MMSeg 数据增强介绍 MMSeg 数据流介绍 MMSeg 训练引擎介绍 MMSeg 模型评测介绍	新增自定义数据集 新增评测指标 新增自定义模型 新增自定义数据增强 自定义运行设定 训练技巧 如何给 MMSeg 贡献代码 给 MMSeg 贡献数据集教程 NPU (华为 昇腾) 0.x → 1.x 迁移文档 0.x → 1.x 库变更文档

基准测试和模型库

测试结果和模型可以在模型库中找到。

概览

已支持的主干网络	已支持的算法架构	已支持的分割头	已支持的数据集	其他
ResNet(CVPR'2016) ResNeXt (CVPR'2017) HRNet (CVPR'2019) ResNeSt (ArXiv'2020) MobileNetV2 (CVPR'2018) MobileNetV3 (ICCV'2019) Vision Transformer (ICLR'2021) Swin Transformer (ICCV'2021) Twins (NeurIPS'2021) BEiT (ICLR'2022) ConvNeXt (CVPR'2022) MAE (CVPR'2022) PoolFormer (CVPR'2022) SegNeXt (NeurIPS'2022)	SAN (CVPR'2023) VPD (ICCV'2023) DDRNet (T-ITS'2022) PIDNet (ArXiv'2022) Mask2Former (CVPR'2022) MaskFormer (NeurIPS'2021) K-Net (NeurIPS'2021) SegFormer (NeurIPS'2021) Segmenter (ICCV'2021) DPT (ArXiv'2021) SETR (CVPR'2021) STDC (CVPR'2021) BiSeNetV2 (IJCV'2021) CGNet (TIP'2020) PointRend (CVPR'2020) DNLNet (ECCV'2020) OCRNet (ECCV'2020) ISANet (ArXiv'2019/IJCV'2021) Fast-SCNN (ArXiv'2019) FastFCN (ArXiv'2019) GCNet (ICCVW'2019/TPAMI'2020) ANN (ICCV'2019) EMANet (ICCV'2019) CCNet (ICCV'2019) DMNet (ICCV'2019) Semantic FPN (CVPR'2019) DANet (CVPR'2019) APCNet (CVPR'2019) NonLocal Net (CVPR'2018) EncNet (CVPR'2018) DeepLabV3+ (CVPR'2018) UPerNet (ECCV'2018) ICNet (ECCV'2018) PSANet (ECCV'2018) BiSeNetV1 (ECCV'2018) DeepLabV3 (ArXiv'2017) PSPNet (CVPR'2017) ERFNet (T-ITS'2017) UNet (MICCAI'2016/Nat. Methods'2019) FCN (CVPR'2015/TPAMI'2017)	ANN_Head APC_Head ASPP_Head CC_Head DA_Head DDR_Head DM_Head DNL_Head DPT_HEAD EMA_Head ENC_Head FCN_Head FPN_Head GC_Head LightHam_Head ISA_Head Knet_Head LRASPP_Head mask2former_Head maskformer_Head NL_Head OCR_Head PID_Head point_Head PSA_Head PSP_Head SAN_Head segformer_Head segmenter_mask_Head SepASPP_Head SepFCN_Head SETRMLAHead_Head SETRUP_Head STDC_Head Uper_Head VPDDepth_Head	Cityscapes PASCAL VOC ADE20K Pascal Context COCO-Stuff 10k COCO-Stuff 164k CHASE_DB1 DRIVE HRF STARE Dark Zurich Nighttime Driving LoveDA Potsdam Vaihingen iSAID Mapillary Vistas LEVIR-CD BDD100K NYU HSIDrive20	已支持的 loss boundary_loss cross_entropy_loss dice_loss focal_loss huasdorff_distance_loss kldiv_loss lovasz_loss ohem_cross_entropy_loss silog_loss tversky_loss

如果遇到问题，请参考 常见问题解答。

社区项目

这里有一些由社区用户支持和维护的基于 MMSegmentation 的 SOTA 模型和解决方案的实现。这些项目展示了基于 MMSegmentation 的研究和产品开发的最佳实践。 我们欢迎并感谢对 OpenMMLab 生态系统的所有贡献。

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。

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}
}

开源许可证

该项目采用 Apache 2.0 开源许可证。

OpenMMLab 的其他项目

• MMEngine: OpenMMLab 深度学习模型训练基础库
• MMCV: OpenMMLab 计算机视觉基础库
• MMPreTrain: OpenMMLab 深度学习预训练工具箱
• MMagic: OpenMMLab 新一代人工智能内容生成（AIGC）工具箱
• MMDetection: OpenMMLab 目标检测工具箱
• MMYOLO: OpenMMLab YOLO 系列工具箱与测试基准
• MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
• MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMSegmentation: OpenMMLab 语义分割工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具包
• MMPose: OpenMMLab 姿态估计工具箱
• MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
• MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
• MMAction2: OpenMMLab 新一代视频理解工具箱
• MMFlow: OpenMMLab 光流估计工具箱与测试基准
• MMDeploy: OpenMMLab 模型部署框架
• MMRazor: OpenMMLab 模型压缩工具箱与测试基准
• MIM: OpenMMLab 项目、算法、模型的统一入口
• Playground: 收集和展示 OpenMMLab 相关的前沿、有趣的社区项目

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，扫描下方微信二维码添加喵喵好友，进入 MMSegmentation 微信交流社群。【加好友申请格式：研究方向+地区+学校/公司+姓名】

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬