概述

MMYOLO 介绍

MMYOLO 是一个基于 PyTorch 和 MMDetection 的 YOLO 系列算法开源工具箱，它是 OpenMMLab 项目的一部分。 MMYOLO 定位为 YOLO 系列热门开源库以及工业应用核心库，其愿景图如下所示：

目前支持的任务如下：

支持的任务

• 目标检测

• 旋转框目标检测

目前支持的 YOLO 系列算法如下：

支持的算法

• YOLOv5

• YOLOX

• RTMDet

• RTMDet-Rotated

• YOLOv6

• YOLOv7

• PPYOLOE

• YOLOv8

目前支持的数据集如下：

支持的数据集

• COCO Dataset

• VOC Dataset

• CrowdHuman Dataset

• DOTA 1.0 Dataset

MMYOLO 支持在 Linux、Windows、macOS 上运行， 支持 PyTorch 1.7 及其以上版本运行。它具有如下三个特性：

• 🕹️ 统一便捷的算法评测

  MMYOLO 统一了各类 YOLO 算法模块的实现，并提供了统一的评测流程，用户可以公平便捷地进行对比分析。

• 📚 丰富的入门和进阶文档

  MMYOLO 提供了从入门到部署到进阶和算法解析等一系列文档，方便不同用户快速上手和扩展。

• 🧩 模块化设计

  MMYOLO 将框架解耦成不同的模块组件，通过组合不同的模块和训练测试策略，用户可以便捷地构建自定义模型。

图为 RangeKing@GitHub 提供，非常感谢！

本文档使用指南

MMYOLO 中将文档结构分成 6 个部分，对应不同需求的用户。

• 开启 MMYOLO 之旅。本部分是第一次使用 MMYOLO 用户的必读文档，请全文仔细阅读

• 推荐专题。本部分是 MMYOLO 中提供的以主题形式的精华文档，包括了 MMYOLO 中大量的特性等。强烈推荐使用 MMYOLO 的所有用户阅读

• 常用功能。本部分提供了训练测试过程中用户经常会用到的各类常用功能，用户可以在用到时候再次查阅

• 实用工具。本部分是 tools 下使用工具的汇总文档，便于大家能够快速的愉快使用 MMYOLO 中提供的各类脚本

• 基础和进阶教程。本部分涉及到 MMYOLO 中的一些基本概念和进阶教程等，适合想详细了解 MMYOLO 设计思想和结构设计的用户

• 其他。其余部分包括模型仓库、说明和接口文档等等

不同需求的用户可以按需选择你心怡的内容阅读。如果你对本文档有异议或者更好的优化办法，欢迎给 MMYOLO 提 PR ～, 请参考 如何给 MMYOLO 贡献代码