English | 简体中文
MMFewShot 是一款基于 PyTorch 的少样本学习代码库，是 OpenMMLab 项目的成员之一。
主分支代码目前支持 PyTorch 1.5 以上的版本。
-
支持多种少样本任务
MMFewShot 为少样本分类和检测任务提供了的统一实现和评估框架。
-
模块化设计
MMFewShot 将不同少样本任务解耦成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的少样本算法模型。
-
强大的基准模型与SOTA
MMFewShot 提供了少样本分类和检测任务中最先进的算法和强大的基准模型.
该项目采用 Apache 2.0 开源许可证
测试结果和模型可以在模型库中找到。
已支持的算法：
classification
- Baseline (ICLR'2019)
- Baseline++ (ICLR'2019)
- NegMargin (ECCV'2020)
- MatchingNet (NeurIPS'2016)
- ProtoNet (NeurIPS'2017)
- RelationNet (CVPR'2018)
- MetaBaseline (ICCV'2021)
- MAML (ICML'2017)
Detection
如果初次了解少样本学习，你可以从基础介绍开始了解少样本学习的基本概念和 MMFewShot 的框架。 如果对少样本学习很熟悉，请参考使用教程获取MMFewShot的基本用法。
MMFewShot 也提供了其他更详细的教程，包括：
我们感谢所有的贡献者为改进和提升 MMFewShot 所作出的努力。请参考贡献指南来了解参与项目贡献的相关指引。
MMFewShot 是一款由不同学校和公司共同贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。
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的新模型，从而不断为开源社区提供贡献。
如果您发现此项目对您的研究有用，请考虑引用：
@misc{mmfewshot2021,
title={OpenMMLab Few Shot Learning Toolbox and Benchmark},
author={mmfewshot Contributors},
howpublished = {\url{https://github.com/open-mmlab/mmfewshot}},
year={2021}
}- MMCV: OpenMMLab 计算机视觉基础库
- MIM: MIM 是 OpenMMLab 项目、算法、模型的统一入口
- MMClassification: OpenMMLab 图像分类工具箱与测试基准
- MMDetection: OpenMMLab 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包
- MMGeneration: OpenMMLab 新一代生成模型工具箱
- MMFlow: OpenMMLab 光流估计工具箱与测试基准
- MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
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 👬