Welcome to MMDetection’s documentation!¶ 开始你的第一步 依赖 安装流程 准备环境 安装 MMDetection 只在 CPU 安装 另一种选择: Docker 镜像 从零开始设置脚本 使用多个 MMDetection 版本进行开发 验证 模型库 镜像地址 共同设置 ImageNet 预训练模型 Baselines 速度基准 与 Detectron2 对比 中文解读文案汇总 1 官方解读文案 2 社区解读文案 快速启动 1: 使用已有模型在标准数据集上进行推理 使用现有模型进行推理 在标准数据集上测试现有模型 在标准数据集上训练预定义的模型 2: 在自定义数据集上进行训练 准备自定义数据集 准备配置文件 训练一个新的模型 测试以及推理 教程 教程 1: 学习配置文件 通过脚本参数修改配置 配置文件结构 配置文件名称风格 弃用的 train_cfg/test_cfg Mask R-CNN 配置文件示例 常问问题 (FAQ) 教程 2: 自定义数据集 支持新的数据格式 使用 dataset 包装器自定义数据集 修改数据集的类别 教程 3: 自定义数据预处理流程 数据流程的设计 拓展和使用自定义的流程 教程 4: 自定义模型 开发新的组件 教程 5: 自定义训练配置 教程 6: 自定义损失函数 一个损失的计算过程 设置采样方法(步骤 1) 微调损失 加权损失(步骤3) 教程 7: 模型微调 教程 8: Pytorch 到 ONNX 的模型转换(实验性支持) 尝试使用新的 MMDeploy 來部署你的模型 教程 9: ONNX 到 TensorRT 的模型转换(实验性支持) 尝试使用新的 MMDeploy 來部署你的模型 实用工具与脚本 日志分析 说明 默认约定 损失 空 proposals 全景分割数据集 MMDetection v2.x 兼容性说明 MMDetection 2.18.1 MMDetection 2.18.0 MMDetection v2.14.0 MMDetection v2.12.0 与 MMDetection v1.x 的兼容性 pycocotools 兼容性 常见问题解答 MMCV 安装相关 PyTorch/CUDA 环境相关 Training 相关 Evaluation 相关 Model 相关 语言切换 English 简体中文 接口文档(英文) mmdet.apis mmdet.core mmdet.datasets mmdet.models mmdet.utils Indices and tables¶ 索引 搜索页面