如果要给目前的目标检测开源库排名的，那由商汤科技和香港中文大学开源的MMDetection库一定是最强的王者，这个开源库基于PyTorch，支持很多主流的目标检测模型，而且在不断更新。近期，MMDetection库迎来了V2.0版本的重大更新：
这个版本的更新属于重量级的，体现在各个方面：
- 更快的速度：无论是训练速度和推理速度都有大幅度的提升（30%和25%），目前训练速度已经和detectron2不相上下
- 更高的性能：调整一些超参数带来大部分模型效果的一定提升（具体见https://github.com/open-mmlab/mmdetection/blob/v2.0.0/docs/compatibility.md#training-hyperparameters）
- 文档和教程更加完善：新手更加容易入门；
- 支持PyTorch 1.5
- 配置文件优化：支持继承减少了大量冗余；
- 更好的模块化设计：凸显灵活性和易用性；
V2.0 的模块化设计比1.x更加细粒度，灵活性更强， 从单纯的目标检测框架向检测类任务的框架平台转变，新的模块设计如下图所示：
当然，更重要的是支持更多的模型，目前MMDetection已经支持持了35篇论文中的算法，提供了超过250 个预训练模型，是目标检测领域最大规模的模型库（这也是mmdet的最强的地方）。除此之外，还有 16 篇论文在 Github 上开源了基于 MMDetection 的代码。目前官方支持的方法如图所示：
不过值得注意的是，mmdetection 1.x训练的模型是不与2.x的模型是完全兼容的，但是官方提供了tools/upgrade_model_version.py脚本来转换模型，转换后的模型效果在v2.0中会有少许的下降，AP值低于1%。
更多更新内容见：
https://github.com/open-mmlab/mmdetection/blob/v2.0.0/docs/changelog.md
参考
- https://github.com/open-mmlab/mmdetection/tree/v2.0.0
- https://zhuanlan.zhihu.com/p/145084667
