README_zh-CN.md

English | 简体中文

文档：https://mmtracking.readthedocs.io/

简介

MMTracking是一款基于PyTorch的视频目标感知开源工具箱，是OpenMMLab项目的一部分。

主分支代码目前支持PyTorch 1.3以上的版本。

主要特性

• 首个开源一体化视频目标感知平台

  MMTracking是首个开源一体化视频目标感知工具箱，同时支持视频目标检测，单目标跟踪和多目标跟踪等多种任务和算法。

• 模块化设计

  MMTracking将统一的视频目标感知框架解耦成不同的模块组件，通过组合不同模块组件，用户可以便捷地构建自定义视频目标感知模型。

• 简洁、高效、强大

  简洁：MMTracking与其他OpenMMLab平台充分交互。MMTracking充分复用MMDetection中的已有模块，我们只需要修改配置文件就可以使用任何检测器。

  高效：MMTracking所有操作都在GPU上运行。相比其他开源库的实现，MMTracking的训练和推理更加高效。

  强大：MMTracking复现了SOTA性能的模型。受益于MMDetection的持续推进，部分实现精度超出官方版本。

许可

该项目遵循Apache 2.0 license开源协议。

更新记录

v0.5.2版本已于2021年6月3日发布，可通过查阅更新日志了解更多细节以及发布历史。

基准测试与模型库

本工具箱支持的各个模型的结果和设置都可以在模型库页面中查看。

支持的视频目标检测算法:

• DFF (CVPR 2017)
• FGFA (ICCV 2017)
• SELSA (ICCV 2019)

支持的多目标跟踪算法:

• SORT/DeepSORT (ICIP 2016/2017)
• Tracktor (ICCV 2019)

支持的单目标跟踪算法:

• SiameseRPN++ (CVPR 2019)

安装

请参考安装指南进行安装。

教程

请参考数据集和快速开始了解MMTracking的基本使用。MMTracking也提供了更详细的教程。

引用

如果你觉得MMTracking对你的研究有所帮助，可以考虑引用它:

@misc{mmtrack2020,
    title={{MMTracking: OpenMMLab} video perception toolbox and benchmark},
    author={MMTracking Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmtracking}},
    year={2020}
}

参与贡献

我们非常欢迎用户对于MMTracking做出的任何贡献，可以参考贡献指南文件了解更多细节。

致谢

MMTracking是一款开源项目，我们欢迎任何贡献和反馈。我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己新的视频目标感知方法。

OpenMMLab 的其他项目

• MMCV：OpenMMLab计算机视觉基础库
• MMClassification：OpenMMLab图像分类工具箱与测试基准
• MMDetection：OpenMMLab目标检测工具箱与测试基准
• MMDetection3D：OpenMMLab新一代通用3D目标检测平台
• MMSegmentation：OpenMMLab语义分割工具箱与测试基准
• MMAction2：OpenMMLab新一代视频理解工具箱与测试基准
• MMTracking：OpenMMLab一体化视频目标感知平台
• MMPose：OpenMMLab姿态估计工具箱与测试基准
• MMEditing：OpenMMLab图像视频编辑工具箱
• MMOCR：OpenMMLab全流程文字检测识别理解工具箱
• MMGeneration：OpenMMLab生成模型工具箱

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬