商湯科技正式開源 mmdetection和mmcv

據悉，mmdetection 檢測庫是基於商湯在 COCO 比賽（Detection 2018 winner）時的 codebase 重構，這個開源庫提供了已公開發表的多種視覺檢測核心模塊，通過這些模塊的組合，可以迅速搭建出各種著名的檢測框架。據該開源庫作者之一、香港中文大學陳愷介紹，這一版本中實現了 RPN，Fast R-CNN，Faster R-CNN，Mask R-CNN，近期還計劃釋放 RetinaNet 和 Cascade R-CNN。

mmcv 是一個基礎庫，主要分為兩個部分，一部分是和 deep learning framework 無關的一些工具函數，比如 IO/Image/Video 相關的一些操作，另一部分是為 PyTorch 寫的一套訓練工具，可以大大減少用戶需要寫的代碼量，同時讓整個流程的定製變得容易。

在該庫開源之後，知乎上有人提出問題：

陳愷也第一時間進行解答，他表示，mmdetection 和 Detectron 主要有如下三點差異：

performance 稍高

訓練速度稍快

所需顯存稍小

他進一步解釋道，在 performance 上 ，由於 PyTorch 官方 model zoo 里的 ResNet 結構和 Detectron 所用的 ResNet 有細微差別（mmdetection 中可以通過 backbone 的 style 參數指定），導致模型收斂速度不一樣。他們用兩種結構都進行了實驗，和 Detectron 使用相同的 pretrain model 的情況下，performance 比 Detectron 稍高，在使用 PyTorch 官方的 model 進行訓練時， 1x 的 lr schedule 下比 Detectron 的 performance 略低，但 2x 的情況下更高。

速度方面 Mask R-CNN 的差異比較大，其餘框架的差異很小。採用相同的 setting，Detectron 每個 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，他們在伺服器上跑 Detectron 會比官方 report 的速度慢 20% 左右，他提出猜測，可能是 FB 的 Big Basin 伺服器性能比他們好。

在顯存方面這一檢測庫的優勢比較明顯，會小 30% 左右。但他表示，這和框架有關，不完全是 codebase 優化的功勞。一個讓他們比較意外的結果是，現在的 codebase 版本跑 ResNet-50 的 Mask R-CNN，每張卡（12 G）可以放 4 張圖，顯存消耗比他們在 COCO 比賽時小了不少。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！