目标检测四大开源神器：Detectron2、mmDetectron、darknet、SimpleDet
本文介绍目标检测（Object Detection）四个最为知名、关注度最高的开源神器，其实也可以称为工具箱(Toolkit)，再俗气一点，就是”造轮子”神器。不仅会介绍这些神器的特点，还会增加新的内容：基于神器开发的新开源项目（这部分也可以说明该神器的认可度）。
用上好的神器，不仅可以快速实现你的idea，还可以帮助你提升coding能力。精读优质的代码(风格)，长远看是非常有意义的。如下排名不分先后：
Detectron2
- 维护团队：Facebook
- 所属框架：PyTorch
- https://github.com/facebookresearch/detectron2
Detectron2 前身就是鼎鼎大名的 Detectron，其实Detectron可以说是Facebook第一代检测工具箱，目前在github上获得 23.5k star！
https://github.com/facebookresearch/Detectron
但由于PyTorch版本升级等问题，Detectron目前已停止维护（弃用）。
在 Detectron向 Detectron2过渡期间，Facebook Research 还开源了一个知名的项目：maskrcnn-benchmark，目前已获得 7.7 k star！
https://github.com/facebookresearch/maskrcnn-benchmark
听名字应该就知道maskrcnn-benchmark主要是做实例分割和目标检测的，该项目也主要提供了Faster R-CNN和Mask R-CNN算法。
但同样由于PyTorch版本升级等问题，maskrcnn-benchmark目前已停止维护（弃用）。于是 maskrcnn-benchmark 这 7.7 k 的项目就此”搁浅”了。
话题说回主人公：Detectron2（新一代目标检测和分割框架）
Detectron2 不仅支持 Detectron已有的目标检测、实例分割、姿态估计等任务，还支持语义分割和全景分割。新增了Cascade R-CNN，Panoptic FPN和TensorMask新模型。
基于Detectron2二次开发的开源项目
AdelaiDet：实例级识别任务开源工具箱
https://github.com/aim-uofa/AdelaiDet
AdelaiDet 主要是阿德莱德大学沈春华团队维护的项目，涉及目标检测、实例分割、文本检测等方向。比如包含了SOLOv1-v2、FCOS、BlendMask、CondInst等工作。
像最近 CVPR 2020、ECCV 2020上有不少好的工作也都是基于 Detectron2开发的，比如DETR、CenterMask：
https://github.com/facebookresearch/detr
https://github.com/youngwanLEE/centermask2
https://github.com/youngwanLEE/vovnet-detectron2
https://github.com/shenyunhang/NA-fWebSOD/
mmDetection
- 维护团队：香港中文大学-商汤联合实验室
- 所属框架：PyTorch
- https://github.com/open-mmlab/mmdetection
mmDetection 是个非常强大的目标检测工具箱，也是基于PyTorch实现。
mmDetection包含模型非常非常多，部分内容如下（不要被吓到）：
支持的backbones：
- ResNet
- ResNeXt
- VGG
- HRNet
- RegNet
- Res2Net
支持的模型：
- RPN
- Fast R-CNN
- Faster R-CNN
- Mask R-CNN
- Cascade R-CNN
- Cascade Mask R-CNN
- SSD
- RetinaNet
- GHM
- Mask Scoring R-CNN
- Double-Head R-CNN
- Hybrid Task Cascade
- Libra R-CNN
- Guided Anchoring
- FCOS
- RepPoints
- Foveabox
- FreeAnchor
- NAS-FPN
- ATSS
- FSAF
- PAFPN
- Dynamic R-CNN
- PointRend
- CARAFE
- DCNv2
- Group Normalization
- Weight Standardization
- OHEM
- Soft-NMS
- Generalized Attention
- GCNet
- Mixed Precision (FP16) Training
- InstaBoost
- GRoIE
- DetectoRS
- Generalized Focal Loss
基于mmdetection二次开发的开源项目
基于mmdetection 开发的开源项目特别特别多，比如最近CVPR 2020上很多检测工作就是基于此开发的。这里就不一一介绍，简单列几个较为知名的：
https://github.com/Gus-Guo/AugFPN
https://github.com/FishYuLi/BalancedGroupSoftmax
https://github.com/JialeCao001/D2Det
https://github.com/caiqi/sample-weighting-network
https://github.com/jshilong/SEPC
https://github.com/Sense-X/TSD
https://github.com/ggjy/HitDet.pytorch
SimpleDet
- 维护团队：图森未来（TuSimple）
- 所属框架：MXNet
- https://github.com/TuSimple/simpledet
SimpleDet 是一套简单且多功能的目标检测与实例分割的框架。就这么说吧，如果你是用MXNet来开发检测项目，那么直接用SimpleDet就行。
SimpleDet 包含的库也相当丰富，如：Faster R-CNN，Mask R-CNN，Cascade R-CNN，RetinaNet，DCNv1/v2，TridentNet，NASFPN , EfficientNet, FOCS，FreeAnchor，RepPoints，和SEPC等
SimpleDet 更新频率也相当快
darknet
- 维护团队：AlexeyAB（个人开发者）
- 所属框架：darknet（基于C语言编写）
- https://github.com/AlexeyAB/darknet
说起 darknet 可能有些人并不熟悉，但直接说出它的目标检测真身：YOLO，很多人就知道了。darknet 本身是 YOLO系列中著名的backbone，然后YOLO项目一直放在darknet中。
本文介绍的darknet并非YOLOv1-v3作者（Joseph Redmon）的darknet，而是YOLOv4作者（AlexeyAB）的darknet，因为Joseph Redmon不再继续维护darknet。
darknet中包含的目标检测模型相对上面三大神器要少很多，但个个都是扛把子的，比如YOLO、YOLOv2、YOLOv3和YOLOv4。
如果你想用C/C++来开发目标检测模型，那么darknet是最适合你的神器。
总结
如果你想用PyTorch开发检测项目，则推荐Detectron2、mmDetection；
如果你想用MXNet开发检测项目，则推荐SimpleDet；
如果你想用C/C++开发检测项目，则推荐darknet；
如果你想用YOLO，则可以用darknet，也可以上github搜一下其他框架复现的版本。