MMDetection 是一个基于 PyTorch 的开源目标检测工具箱，是 OpenMMLab 项目的一部分。该工具箱采用模块化设计，使用户能够通过组合不同组件轻松构建自定义的目标检测框架。

MMDetection 支持多种检测任务，包括目标检测、实例分割、全景分割和半监督目标检测。它的高效性能体现在所有基本的边界框和掩码操作均在 GPU 上运行，训练速度比其他代码库更快或相当。

此外，MMDetection 还不断推进前沿技术的发展，如 RTMDet 实现了实时实例分割和旋转目标检测任务的最新性能，并在各种模型尺寸上达到了最佳的参数-准确率权衡。MMDetection 依赖于 MMEngine 和 MMCV，提供了强大的模型训练和计算机视觉研究支持。最新版本 v3.3.0 引入了 MM-Grounding-DINO，一个用于统一目标定位和检测的开放且全面的流水线，实现了显著的性能提升。

MMDetection的设计目标是高效、灵活和可扩展，适用于学术研究和工业应用。以下是MMDetection的一些主要特点：

1. 丰富的模型库：MMDetection支持许多常见的目标检测模型，如Faster R-CNN、Mask R-CNN、RetinaNet、YOLO等，并且不断更新和增加新的模型。
2. 模块化设计：代码结构清晰，各个模块独立且可替换，方便用户根据需要进行定制和扩展。
3. 高效的训练和推理：提供了优化的训练和推理流程，支持多GPU和分布式训练，能够充分利用硬件资源。
4. 全面的配置系统：采用基于配置文件的管理方式，用户可以通过修改配置文件快速进行实验配置和超参数调整。
5. 丰富的工具和实用功能：包括数据预处理、数据增强、模型评估等，帮助用户更加便捷地进行目标检测任务。

中文说明文档：https://mmdetection.readthedocs.io/zh-cn/latest/

英文说明文档：https://mmdetection.readthedocs.io/en/latest/

github链接：https://github.com/open-mmlab/mmdetection

论文和代码：https://paperswithcode.com/lib/mmdetection