目標檢測四大開源神器:Detectron2/mmDetectron/darknet/SimpleDet

點擊上方「CVer」，選擇加"星標"置頂

重磅乾貨，第一時間送達

前言

去年Amusi 盤點過：目標檢測三大開源神器：Detectron2/mmDetectron/SimpleDet。大家反映內容很棒，不少同學開始用起來這些目標檢測工具，不管用於發Paper還是做項目。

如今過去半年多，目標檢測領域發展迅速，Amusi 再次系統調研現在開源的目標檢測神器。同時也有很多同學開始入坑目標檢測，希望此文可以有所幫助，避免踩坑！

本文介紹目標檢測（Object Detection）四個最為知名、關注度最高的開源神器，其實也可以稱為工具箱(Toolkit)，再俗氣一點，就是"造輪子"神器。不僅會介紹這些神器的特點，還會增加新的內容：基於神器開發的新開源項目（這部分也可以說明該神器的認可度）。

用上好的神器，不僅可以快速實現你的idea，還可以幫助你提升coding能力。精讀優質的代碼(風格)，長遠看是非常有意義的。如下排名不分先後：

Detectron2

維護團隊：Facebook

star數：11616

所屬框架：PyTorch

https://github.com/facebookresearch/detectron2

Detectron2 前身就是鼎鼎大名的 Detectron，其實Detectron可以說是Facebook第一代檢測工具箱，目前在github上獲得 23.5k star！

https://github.com/facebookresearch/Detectron

但由於PyTorch版本升級等問題，Detectron目前已停止維護（棄用）。

其實在 Detectron向 Detectron2過渡期間，Facebook Research 還開源了一個知名的項目：maskrcnn-benchmark，目前已獲得 7.7 k star！

https://github.com/facebookresearch/maskrcnn-benchmark

聽名字應該就知道maskrcnn-benchmark主要是做實例分割和目標檢測的，該項目也主要提供了Faster R-CNN和Mask R-CNN算法。

但同樣由於PyTorch版本升級等問題，maskrcnn-benchmark目前已停止維護（棄用）。於是 maskrcnn-benchmark 這 7.7 k 的項目就此"擱淺"了。

話題說回主人公：Detectron2（新一代目標檢測和分割框架）

Detectron2 不僅支持 Detectron已有的目標檢測、實例分割、姿態估計等任務，還支持語義分割和全景分割。新增了Cascade R-CNN，Panoptic FPN和TensorMask新模型。

基於Detectron2二次開發的開源項目

AdelaiDet：實例級識別任務開源工具箱

https://github.com/aim-uofa/AdelaiDet

這個項目後面 Amusi 會單獨寫一篇文章來介紹，AdelaiDet 主要是阿德萊德大學沈春華團隊維護的項目，涉及目標檢測、實例分割、文本檢測等方向。比如包含了SOLOv1-v2、FCOS、BlendMask、CondInst等工作。

像最近 CVPR 2020、ECCV 2020上有不少好的工作也都是基於 Detectron2開發的，比如DETR、CenterMask：

https://github.com/facebookresearch/detr

https://github.com/youngwanLEE/centermask2

https://github.com/youngwanLEE/vovnet-detectron2

https://github.com/shenyunhang/NA-fWebSOD/

mmDetection

維護團隊：香港中文大學-商湯聯合實驗室

star數：10769

所屬框架：PyTorch

https://github.com/open-mmlab/mmdetection

mmDetection 是個非常強大的目標檢測工具箱，也是基於PyTorch實現。Amusi 個人覺得mmDetection可以稱為目標檢測方向的"國產之光"開源項目！

mmDetection包含模型非常非常多，部分內容如下（不要被嚇到）：

支持的backbones：

 ResNet

 ResNeXt

 VGG

 HRNet

 RegNet

 Res2Net

支持的模型：

基於mmdetection二次開發的開源項目

基於mmdetection 開發的開源項目特別特別多，比如最近CVPR 2020上很多檢測工作就是基於此開發的。這裡就不一一介紹，簡單列幾個較為知名的：

https://github.com/Gus-Guo/AugFPN

https://github.com/FishYuLi/BalancedGroupSoftmax

https://github.com/JialeCao001/D2Det

https://github.com/caiqi/sample-weighting-network

https://github.com/jshilong/SEPC

https://github.com/Sense-X/TSD

https://github.com/ggjy/HitDet.pytorch

SimpleDet

維護團隊：圖森未來（TuSimple）

star數：2691

所屬框架：MXNet

https://github.com/TuSimple/simpledet

SimpleDet 是一套簡單且多功能的目標檢測與實例分割的框架。就這麼說吧，如果你是用MXNet來開發檢測項目，那麼直接用SimpleDet就行。

SimpleDet 包含的庫也相當豐富，如：Faster R-CNN，Mask R-CNN，Cascade R-CNN，RetinaNet，DCNv1/v2，TridentNet，NASFPN , EfficientNet, FOCS，FreeAnchor，RepPoints，和SEPC等

SimpleDet 更新頻率也相當快，官網給出的更新時間表如下：

darknet

維護團隊：AlexeyAB（個人開發者）

star數：11667

所屬框架：darknet（基於C語言編寫）

https://github.com/AlexeyAB/darknet

說起 darknet 可能有些人並不熟悉，但直接說出它的目標檢測真身：YOLO，很多人就知道了。darknet 本身是 YOLO系列中著名的backbone，然後YOLO項目一直放在darknet中。

本文介紹的darknet並非YOLOv1-v3作者（Joseph Redmon）的darknet，而是YOLOv4作者（AlexeyAB）的darknet，因為Joseph Redmon不再繼續維護darknet。

值得提一下，本文介紹的darknet的github star數是11667！這個數量要高於上面介紹的Detectron2、mmDetection和SimpleDet。而且這三個項目的commits數量全部加起來都比不過darknet。

darknet中包含的目標檢測模型相對上面三大神器要少很多，但個個都是扛把子的，比如YOLO、YOLOv2、YOLOv3和YOLOv4。

如果你想用C/C++來開發目標檢測模型，那麼darknet是最適合你的神器。

總結

1. 如果你想用PyTorch開發檢測項目，則推薦Detectron2、mmDetection；

2. 如果你想用MXNet開發檢測項目，則推薦SimpleDet；

3. 如果你想用C/C++開發檢測項目，則推薦darknet；

4. 如果你想用YOLO，則可以用darknet，也可以上github搜一下其他框架復現的版本。

如果各位CVer喜歡這樣的"開源"系列，請給這篇文章點個"贊"和"在看"，如果點擊"在看"的人多，其它CV方向的"開源"系列也會儘快推出！

重磅！CVer-目標檢測 微信交流群已成立

掃碼添加CVer助手，可申請加入CVer-目標檢測 微信交流群，目前已匯集4100人！涵蓋2D/3D目標檢測、小目標檢測、遙感目標檢測等。互相交流，一起進步！

同時也可申請加入CVer大群和細分方向技術群，細分方向已涵蓋：目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感圖像、行為識別、視頻理解、圖像融合、圖像檢索、論文投稿&交流、PyTorch和TensorFlow等群。

一定要備註：研究方向+地點+學校/公司+暱稱（如目標檢測+上海+上交+卡卡），根據格式備註，可更快被通過且邀請進群

▲長按加群

▲長按關注我們

整理不易，請給CVer點讚和在看！