港中文开源视频动作分析库MMAction，目标检测库算法大更新

2019 年 6 月 22 日 极市平台

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~

本文转载自公众号：机器之心

近日，香港中文大学多媒体实验室（MMLab）OpenMMLab 发布动作识别和检测库 MMAction，同时也对去年发布的目标检测工具箱 mmdetection 进行了升级，提供了一大批新的算法实现。

OpenMMLab 计划是香港中文大学多媒体实验室（MMLab）2018 年启动的计划，由香港中文大学教授、商汤科技联合创始人林达华老师负责，初衷是「为计算机视觉的一些重要方向建立统一而开放的代码库，并不断把新的算法沉淀其中。」

2018 年 10 月，在 OpenMMLab 的首期计划中，商汤和港中文正式开源了 mmdetection，这是一个基于 PyTorch 的开源目标检测工具包。该工具包支持 Mask RCNN 等多种流行的检测框架，读者可在 PyTorch 环境下测试不同的预训练模型及训练新的检测分割模型。

近日，林达华老师发表知乎文章，发布 OpenMMLab 第二期内容：

MMDetection（目标检测库）升级到 1.0，提供了一大批新的算法实现。
MMAction（动作识别和检测库）全新发布。

MMDetection 1.0

Github 地址：

open-mmlab/mmdetectiongithub.com

最新的 MMDetection 是 MMLab 联合商汤科技以及十多个研究团队合作完成的。据介绍，相较于其他开源数据库，MMDetection 1.0 的优势如下：

高度模块化的设计。通过不同检测算法流程的分解，形成一系列可定制的模块。然后对这些模块进行随机组合，可以迅速搭建不同的检测框架。
多种算法框架支持。MMDetection 直接支持多种主流的目标检测与实例分割的算法框架，包括 single-stage、two-stage、multi-stage 等多种典型架构，以及各种新型模块。此外，MMDetection 还提供了 200 多个预训练的模型。
高计算性能。MMDetection 所支持的主要模块均能在 GPU 上运行。整体的训练速度优于 Detectron、maskrcnn-benchmark、以及 SimpleDet。特别值得一提的是，MMDetection 还直接支持混合精度训练以及多卡联合训练，这些技术的引入都能显著提高训练的效率。
先进算法。MMDetection 提供了在 MSCOCO 2018 比赛中夺冠的 HTC 算法。随着越来越多研究团队加入到 mmdetection 的开发中，MMLab 研究团队将持续保持和最新算法的同步。

此外，MMLab 也发布了一份技术报告，对 MMDetection 进行了详细介绍。

从机构名称中，我们可以发现 MMDetection 的发布联合了国内外 13 所机构。

报告链接：https://arxiv.org/abs/1901.11356

该报告还提供了 MMDetection 与其他开源库的对比，可以看到 MMDetection 提供的算法远比其他开源库丰富：

MMDetection 与其他开源库的对比

MMLab 的研究团队还在 MMDetection 的基础上对相关算法进行了全方位的对比试验。他们比较了损失函数、归一化策略、训练尺度等一系列设计参数的选择对于检测性能的影响。

视频动作分析库 MMAction

林达华介绍道，「在深度学习刚刚开始进入计算机视觉领域的时候，MMLab 已经开始了对使用深度学习进行视频动作分析的研究，提出了一系列有影响的算法框架。比如，我们在 ECCV 2016 提出的时序分段网络（Temporal Segmental Network）已经被广泛运用于实际系统中，并影响了很多新的算法设计。」

基于过去几年的探索，MMLab 建立了专门用于视频动作分析的统一代码库 MMAction。

项目地址：https://github.com/open-mmlab/mmaction

据介绍，MMAction 有以下重要优点：

全面支持视频动作分析的各种任务，包括动作识别（action recognition）、时域动作检测（temporal action detection）以及时空动作检测（spatial-temporal action detection）。
支持多种流行的数据集，包括 Kinetics、THUMOS、UCF101、ActivityNet、Something-Something、以及 AVA 等。
已实现多种动作分析算法框架，包括 TSN、I3D、SSN、以及新的 spatial-temporal action detection 方法。MMAction 还通过 Model Zoo 提供了多个预训练模型，以及它们在不同数据集上的性能指标。
采用高度模块化设计。用户可以根据需要对不同模块，比如 backbone 网络、采样方案等等进行灵活重组，以满足不同的应用需要。

林达华老师知乎文章：

https://zhuanlan.zhihu.com/p/69830582

*延伸阅读