近日，香港中文大學(xué)-商湯聯(lián)合實(shí)驗(yàn)室開(kāi)源了基于 PyTorch 的檢測(cè)庫(kù)——mmdetection。上個(gè)月，商湯和港中大組成的團(tuán)隊(duì)在 COCO 比賽的物體檢測(cè)（Detection）項(xiàng)目中奪得冠軍，而 mmdetection 正是基于 COCO 比賽時(shí)的 codebase 重構(gòu)。

商湯稱(chēng)，這個(gè)開(kāi)源庫(kù)提供了已公開(kāi)發(fā)表的多種視覺(jué)檢測(cè)核心模塊。通過(guò)這些模塊的組合，可以迅速搭建出各種著名的檢測(cè)框架，比如 Faster RCNN，Mask RCNN，和 R-FCN 等，以及各種新型框架，從而大大加快檢測(cè)技術(shù)研究的效率。

目前，mmdetection 的第一個(gè)版本已經(jīng)實(shí)現(xiàn)了 RPN，F(xiàn)ast R-CNN，F(xiàn)aster R-CNN，Mask R-CNN，近期還計(jì)劃放出 RetinaNet 和 Cascade R-CNN。

項(xiàng)目地址：

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

此次項(xiàng)目的參與者，香港中文大學(xué)陳愷博士稱(chēng)，相比 FAIR 此前開(kāi)源的 Detectron，mmdetection 有以下幾大優(yōu)勢(shì)：

編者注：Detectron 是 FAIR 用于實(shí)現(xiàn)最先進(jìn)的目標(biāo)檢測(cè)算法（包括 Mask R-CNN）的軟件系統(tǒng)。該系統(tǒng)基于深度學(xué)習(xí)框架 Caffe 2 ，由 Python 編寫(xiě)而成。（《Mask R-CNN 源代碼終上線(xiàn)，F(xiàn)acebook 開(kāi)源目標(biāo)檢測(cè)平臺(tái)—Detectron》）

Performance 稍高：由于 PyTorch 官方 model zoo 里面的 ResNet 結(jié)構(gòu)和 Detectron 所用的 ResNet 有細(xì)微差別（mmdetection 中可以通過(guò) backbone 的 style 參數(shù)指定），導(dǎo)致模型收斂速度不一樣，所以我們用兩種結(jié)構(gòu)都跑了實(shí)驗(yàn)，一般來(lái)說(shuō)在 1x 的 lr schedule 下 Detectron的會(huì)高，但 2x 的結(jié)果 PyTorch 的結(jié)構(gòu)會(huì)比較高。

訓(xùn)練速度稍快：Mask R-CNN 差距比較大，其余的很小。采用相同的 setting，Detectron 每個(gè) iteration 需要 0.89s，而 mmdetection 只需要 0.69s。Fast R-CNN 比較例外，比 Detectron 的速度稍慢。另外在我們的服務(wù)器上跑 Detectron 會(huì)比官方 report 的速度慢 20% 左右，猜測(cè)是 FB 的 Big Basin 服務(wù)器性能比我們好？

所需顯存稍小：顯存方面優(yōu)勢(shì)比較明顯，會(huì)小 30% 左右。但這個(gè)和框架有關(guān)，不完全是 codebase 優(yōu)化的功勞。一個(gè)讓我們比較意外的結(jié)果是現(xiàn)在的 codebase 版本跑 ResNet-50 的 Mask R-CNN，每張卡（12 G）可以放 4 張圖，比我們比賽時(shí)候小了不少。

易用性更好：基于 PyTorch 和基于 Caffe2 的 code 相比，易用性是有代差的。成功安裝 Detectron 的時(shí)間，大概可以裝好一打的 mmdetection 吧。

當(dāng)然，陳愷博士也承認(rèn) Detectron 也有一些明顯優(yōu)勢(shì)，“作為第一個(gè)全面的 detection codebase，加上 FAIR 的金字招牌，關(guān)注人數(shù)和用戶(hù)很多（雖然吐槽也比較多），release 的模型也比較全面。我們也在努力擴(kuò)充 model zoo，奈何人力和算力還是有很大差距，所以還需要時(shí)間。”

與 mmdetection 一起開(kāi)源的還有一個(gè)基礎(chǔ)庫(kù)——mmcv。據(jù)陳愷博士介紹， mmcv 基礎(chǔ)庫(kù)主要分為兩個(gè)部分：一部分是和 deep learning framework 無(wú)關(guān)的一些工具函數(shù)，比如 IO/Image/Video 相關(guān)的一些操作；另一部分是為 PyTorch 寫(xiě)的一套訓(xùn)練工具，可以大大減少用戶(hù)需要寫(xiě)的代碼量，同時(shí)讓整個(gè)流程的定制變得容易。

項(xiàng)目地址：

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

實(shí)際上，mmdetection 和 mmcv 都同屬于香港中文大學(xué)多媒體實(shí)驗(yàn)室的 Open-MMLab 計(jì)劃。港中大助理教授林達(dá)華稱(chēng)，啟動(dòng) Open-MMLab 計(jì)劃，是希望在一個(gè)統(tǒng)一的代碼架構(gòu)上，逐步開(kāi)放實(shí)驗(yàn)室積累的算法和模型，為計(jì)算機(jī)視覺(jué)的研究社區(qū)貢獻(xiàn)自己的一分力量。以下是簡(jiǎn)單說(shuō)明：

1. 這是一個(gè)純粹的學(xué)術(shù)開(kāi)源計(jì)劃，所開(kāi)放的都是已經(jīng)公開(kāi)發(fā)表的算法和模型（包括我們自己和其它研究組提出的代表性算法），不涉及任何的商業(yè)化技術(shù)。

2. 我們希望這個(gè)計(jì)劃能夠降低算法復(fù)現(xiàn)的難度，和不必要的重復(fù)實(shí)驗(yàn)與訓(xùn)練，從而讓使用者能夠?qū)Ｗ⒂谛聠?wèn)題的提出、新思路的探索，而不需要花費(fèi)主要精力用于已有算法組件的細(xì)節(jié)調(diào)試。

3. 我們?cè)陂_(kāi)放的 codebase 中會(huì)對(duì)現(xiàn)有的主流算法框架進(jìn)行重構(gòu)，把它們分解為可復(fù)用的組件。希望未來(lái)的研究者可以基于這些組件，能迅速建立新的算法框架原型，加快探索的進(jìn)度。

4. 我們希望 Open-MMLab 成為一個(gè)學(xué)術(shù)交流和探討的渠道。