FightingCV

V1

2022/10/12阅读:24主题:默认主题

detrex | 面向detr系列的目标检测开源框架

detrex | 面向detr系列的目标检测开源框架

撰文 | 任天和

前言

在我们IDEA研究院CVR团队分别开源了DAB-DETR, DN-DETR, DINO后,CVR团队一直计划做一个统一的DETR系列代码框架,支持DETR系列的算法工作,并且希望这套codebase可以拓展到更多相关的任务上,终于在9.21号,CVR团队正式开源detrex,整合重构复现了之前的开源工作并且吸纳了一系列DETR系列算法。

项目地址: https://github.com/IDEA-Research/detrex

项目介绍

detrex项目的主要特点包括:

1. 支持的算法足够丰富

目前已经支持的算法:

  • DETR
  • Deformable-DETR
  • Conditional-DETR
  • DAB-DETR
  • DAB-Deformable-DETR
  • DN-DETR
  • DN-Deformable-DETR
  • DINO
  • Group-DETR

并且会不断更新新的算法

2. 模块化设计与易用性

detrex在代码易用性上做了以下的改进:

  • 模块化设计:detrex解耦了DETR系列算法中的一些必要组件,方便用户替换其中的模块,例如在backbone上不仅支持了ResNet,Swin等必要的backbone,还额外支持了Timm以及Torchvision的Backbone,并且代码结构足够清晰,用户可以方便添加自己的backbone。
  • 项目管理:detrex对于每个算法,都在projects下进行了单独的维护,保证了每个算法之间不会互相影响,并且用户可以单独看具体某个算法的实现代码,不会有额外的信息干扰。
  • 轻量化的config system与training engine:detrex基于detectron2的LazyConfig进行二次开发, 整理训练代码十分简洁,配置文件十分清晰,方便用户实现自己的配置需求以及custom自己的训练流程。

3. 算法的复现效果好

在detrex下复现的算法整体结果上相比于之前的项目更好或者持平,以下是一些算法复现结果的对比:

Method AP (original repo) AP (detrex)
Conditional-DETR-R50 40.9 41.6
Deformable-DETR 46.9 47.3
DAB-DETR-R50 42.2 43.3
DAB-DETR-R101 43.2 43.8
DAB-Deformable-DETR-R50 48.7 48.9
DN-DETR-R50 44.4 44.7
DINO-R50-12epoch 49.0 49.0
DINO-Swin-L-12epoch 56.8 56.9

不仅包括以上罗列的算法结果,我们还release了一批新的模型训练结果,包括DAB-Deformable-Two-Stage, DINO-Swin-Tiny, DINO-Swin-Small, DINO-Swin-Base等训练结果,可以关注我们的Model Zoo更新

  • detrex Model Zoo: https://detrex.readthedocs.io/en/latest/tutorials/Model_Zoo.html

detrex下release的权重不仅包括了detrex本身training的权重,还包括了一些原始开源仓库下convert过来的权重(具体的结果在每个算法的projects下的README中有描述),方便用户作相关的inference以及可视化。并且提供了对应的converters,用户不仅可以使用detrex对这些算法进行训练,也可以在将之前训练好的权重convert到detrex的格式下。

4. 搭配丰富的文档教程 (持续更新中)

detrex的文档地址: https://detrex.readthedocs.io/en/latest/

文档中有详细的教程教学如何安装并使用detrex,并且对于配置系统中的每一个参数也有详细的介绍,CVR团队会不断根据社区的反馈对文档内容进行更新,欢迎大家多提意见。

detrex的未来计划

在detrex功能需求上,detrex会不断优化代码实现,并且根据用户的反馈调整需求的优先级,在detrex下置顶了两个issue,用于收集社区的需求和意见,以下是issue地址

在算法实现上,detrex在未来不仅仅会支持Transformer-Based的检测算法,还会拓展到分割姿态估计等任务上,敬请期待!

detrex开源背后的团队想法

虽然detrex开源了,但是目前也只能算是beta v0.1.0版本,还有许多模块需要优化,还有更多功能需要支持,这些靠自己完成是远远不够的,开源出来也是希望能借助社区的力量,一起推动DETR系列的工作。非常非常非常欢迎从任何角度为detrex提供意见,并且欢迎任何形式的contribution,无论是issue或者是PR,也希望能有更多的contributors加入我们!

detrex交流群

我们同时也建立了detrex交流群 (发二维码容易被屏蔽), 欢迎添加微信: rentianhe666 备注 detrex + 姓名 即可,欢迎多交流~

分类:

人工智能

标签:

人工智能

作者介绍

FightingCV
V1

公众号 FightingCV