mmyolo
MMYOLO 是 OpenMMLab 推出的 YOLO 系列一站式开发套件，把 RTMDet、YOLOv5/6/7/8、YOLOX、PP-YOLOE 等主流目标检测模型整合到同一套框架里，并提供完整训练、测试、部署脚本和基准数据。它解决了“模型多、接口杂、复现难”的痛点：只需改几行配置，就能在 COCO、旋转框或自定义数据集上快速切换不同 YOLO 版本，并一键导出 ONNX、TensorRT 等格式。
开发者、算法研究员和工业落地团队都能受益：想发论文可直接调用统一 benchmark 做公平对比；做项目时，可按精度或速度需求挑模型，再借助自动化脚本在几分钟内部署到边缘设备。
亮点在于“模块化+即插即用”：主干网络、Neck、Head、数据增强策略全部解耦，像搭积木一样组合；同时支持混合精度、多机多卡、模型蒸馏等高级技巧，让训练更快、显存更省。
使用场景
某智慧物流团队正致力于升级其自动化分拣系统，需要快速部署高精度模型以识别传送带上不同朝向的包裹和条码。
没有 mmyolo 时
- 算法选型困难：面对 YOLOv5 到 YOLOv8 以及 YOLOX 等众多版本，团队需分别查找不同作者的代码库，环境依赖冲突频发，难以统一评估性能。
- 旋转目标支持缺失：传统检测器难以处理随意堆叠导致的倾斜包裹，团队需从零复现复杂的旋转检测算法（如 RTMDet-Rotated），研发周期长达数周。
- 训练调优成本高：缺乏统一的基准测试（Benchmark）和数据增强策略，每次调整超参数都需手动修改底层代码，试错效率极低。
- 部署落地繁琐：不同模型架构的输出格式各异，导出为 TensorRT 或 ONNX 时需编写大量适配脚本，工程化落地阻力大。
使用 mmyolo 后
- 一站式模型库：mmyolo 集成了主流 YOLO 系列及 RTMDet 等先进算法，提供统一的接口和预训练权重，团队一天内即可完成多模型对比验证。
- 原生旋转检测：直接调用内置的 RTMDet-Rotated 模块，无需额外开发即可精准识别任意角度包裹，显著提升了复杂堆叠场景下的检出率。
- 标准化训练流程：依托模块化设计，团队成员仅需修改配置文件即可切换主干网络或调整增强策略，实验迭代速度提升 3 倍以上。
- 无缝部署体验：工具链原生支持多种后端部署格式，一键导出优化模型，将算法从训练到产线部署的时间从一周缩短至两天。
mmyolo 通过统一化的架构设计和丰富的算法储备，将物流场景下的目标检测研发从“重复造轮子”转变为高效的“积木式创新”。
运行环境要求
- 未说明
需要 NVIDIA GPU (基于 CUDA)，示例中使用了 RTX 3090，CUDA 11.3+
未说明
快速开始
英文 | 简体中文
📄 目录
🥳 🚀 新功能 🔝
💎 v0.6.0 于 2023年8月15日发布：
- 支持 YOLOv5 实例分割
- 支持基于 MMPose 的 YOLOX-Pose
- 新增 15 分钟实例分割教程。
- YOLOv5 支持使用掩码标注优化边界框
- 新增多尺度训练与测试文档
有关发布历史及更新详情，请参阅 changelog。
✨ 重点 🔝
我们很高兴地宣布我们在实时目标识别任务上的最新成果——RTMDet，这是一系列全卷积单阶段检测器。RTMDet不仅在从小模型到超大模型的目标检测任务中实现了最佳的参数与精度权衡，还在实例分割和旋转目标检测任务上取得了新的SOTA性能。详细信息请参见技术报告。预训练模型可在此处获取：configs/rtmdet。
| 任务 | 数据集 | AP | FPS(TRT FP16 BS1 3090) |
|---|---|---|---|
| 目标检测 | COCO | 52.8 | 322 |
| 实例分割 | COCO | 44.6 | 188 |
| 旋转目标检测 | DOTA | 78.9（单尺度）/81.3（多尺度） | 121 |
MMYOLO目前实现了目标检测和旋转目标检测算法，但与MMDetection版本相比，其训练速度显著提升。训练速度比之前版本快了2.6倍。
📖 简介 🔝
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。
主分支支持PyTorch 1.6及以上版本。
主要特性
🕹️ 统一且便捷的基准测试
MMYOLO统一了各类YOLO算法中模块的实现，并提供了统一的基准测试。用户可以以公平、便捷的方式进行对比与分析。
📚 丰富而详尽的文档
MMYOLO提供了丰富的入门指南、模型部署、高级用法以及算法分析文档，使不同水平的用户都能轻松上手并快速扩展功能。
🧩 模块化设计
MMYOLO将框架分解为不同的组件，用户可以通过组合不同模块并搭配多种训练与测试策略，轻松自定义模型。
上图由RangeKing@GitHub贡献，非常感谢！
而P6模型的示意图则位于model_design.md。
🛠️ 安装 🔝
MMYOLO依赖于PyTorch、MMCV、MMEngine和MMDetection。以下是快速安装步骤。更多详细说明请参阅安装指南。
conda create -n mmyolo python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y
conda activate mmyolo
pip install openmim
mim install "mmengine>=0.6.0"
mim install "mmcv>=2.0.0rc4,<2.1.0"
mim install "mmdet>=3.0.0,<4.0.0"
git clone https://github.com/open-mmlab/mmyolo.git
cd mmyolo
# 安装albumentations
pip install -r requirements/albu.txt
# 安装MMYOLO
mim install -v -e .
👨🏫 教程 🔝
MMYOLO 基于 MMDetection 构建，采用相同的代码结构和设计思路。为更好地使用本项目，请先阅读 MMDetection 概述，以对 MMDetection 有一个初步了解。
MMYOLO 的使用方法与 MMDetection 几乎完全一致，所有教程都简单易懂；您也可以参考 MMDetection 用户指南与进阶指南 进行学习。
针对 MMDetection 中的各个不同模块，我们也准备了相应的用户指南与进阶指南，请参阅我们的 文档。
推荐主题
常用操作
进阶教程
📊 基准与模型库概览 🔝
结果与模型可在模型库中获取。
支持的任务
- 目标检测
- 旋转目标检测
支持的数据集
- COCO 数据集
- VOC 数据集
- CrowdHuman 数据集
- DOTA 1.0 数据集
| 骨干网络 | 颈部网络 | 损失函数 | 通用模块 |
|
|
|
|
❓ 常见问题 🔝
请参阅常见问题以获取常见问题解答。
🙌 贡献 🔝
我们非常感谢所有为改进 MMYOLO 所做的贡献。正在进行的项目可在我们的GitHub 项目中找到。欢迎社区用户参与这些项目。有关贡献指南，请参阅CONTRIBUTING.md。
🤝 致谢 🔝
MMYOLO 是一个由来自不同院校和公司的研究人员与工程师共同贡献的开源项目。我们感谢所有实现其方法或添加新功能的贡献者，以及提供宝贵反馈的用户。 我们希望该工具箱与基准能够服务于不断壮大的研究社区，为其提供灵活的工具包，以便重新实现现有方法并开发自己的新型检测器。
🖊️ 引用 🔝
如果您在研究中发现本项目有用，请考虑引用：
@misc{mmyolo2022,
title={{MMYOLO: OpenMMLab YOLO} 系列工具箱与基准},
author={MMYOLO 贡献者},
howpublished = {\url{https://github.com/open-mmlab/mmyolo}},
year={2022}
}
🎫 许可证 🔝
本项目根据GPL 3.0 许可证发布。
🏗️ OpenMMLab 中的项目 🔝
- MMEngine: OpenMMLab 用于训练深度学习模型的基础库。
- MMCV: OpenMMLab 用于计算机视觉的基础库。
- MMPreTrain: OpenMMLab 预训练工具箱与基准。
- MMagic: OpenMMLab Advanced, Generative and Intelligent Creation 工具箱。
- MMDetection: OpenMMLab 检测工具箱与基准。
- MMDetection3D: OpenMMLab 下一代通用 3D 目标检测平台。
- MMRotate: OpenMMLab 旋转目标检测工具箱与基准。
- MMYOLO: OpenMMLab YOLO 系列工具箱与基准。
- MMSegmentation: OpenMMLab 语义分割工具箱与基准。
- MMOCR: OpenMMLab 文本检测、识别与理解工具箱。
- MMPose: OpenMMLab 姿势估计工具箱与基准。
- MMHuman3D: OpenMMLab 3D 人体参数化模型工具箱与基准。
- MMSelfSup: OpenMMLab 自监督学习工具箱与基准。
- MMRazor: OpenMMLab 模型压缩工具箱与基准。
- MMFewShot: OpenMMLab 少样本学习工具箱与基准。
- MMAction2: OpenMMLab 下一代动作理解工具箱与基准。
- MMTracking: OpenMMLab 视频感知工具箱与基准。
- MMFlow: OpenMMLab 光流工具箱与基准。
- MMEditing: OpenMMLab 图像与视频编辑工具箱。
- MMGeneration: OpenMMLab 图像与视频生成模型工具箱。
- MMDeploy: OpenMMLab 模型部署框架。
- MIM: MIM 安装 OpenMMLab 包。
- MMEval: OpenMMLab 机器学习评估库。
- Playground: 一个汇集并展示基于 OpenMMLab 构建的精彩项目的中心枢纽。
版本历史
v0.6.02023/08/15v0.5.02023/03/02v0.4.02023/01/18v0.3.02023/01/08v0.2.02022/12/01v0.1.32022/11/10v0.1.22022/11/03v0.1.12022/09/29v0.1.02022/09/21常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。