转眼时间就来到了 12 月，OpenMMLab 2.0 公测期已然过了一大半！
我们非常鼓励社区小伙伴一起参与到 OpenMMLab 2.0 的建设中来，果然社区的力量从来不会让人失望！
在过去的 3 个月里，我们通过 GitHub Issue&Discussion、一对一访谈 、公测社群、问卷调研等多种方式收集到来自社区的 200 条反馈。
除此之外，更有 119 位社区小伙伴贡献了 483 个 PR，其中 301 个 PR 被 Merge。非常非常感谢大家的贡献和支持！
而每周各个算法库的开发维护人员都会开会对收集到的反馈进行讨论，并规划具体的解决方案。
这种双向奔赴的感觉真好！
现在，就让我们一起来听听来自社区关于 OpenMMLab 2.0 的心声，以及开发者的回应吧！
MMTracking
Q 1
MM 喵喵：
你觉得 MMTracking 需要做哪方面的改进，你才更愿意使用？
社区用户 球：
能够简单地更换并改进检测算法，比如 yolov5 bytetrack；希望可以有配套的视频教程。
MM 喵喵：
针对这个问题，后期 MMTracking 和 MMDetection 会做一次大重构，如果大家有兴趣可以开一个 Discussuion 一起讨论后续规划；
课程视频可以看看这里：https://space.bilibili.com/1900783/channel/collectiondetail?sid=356479
Q 2
社区用户 P：
继承关系好复杂，希望以某种方式看到全局 config。
MM 喵喵：
我们提供脚本 tools/misc/print_config.py ， 可以用来看全部配置。
MMDetection3D
Q 1
MM 喵喵：
你有什么希望 MMDetection3D 1.1x 版本支持的模型？
社区用户 饮：
BEVFusion
社区用户 W：
Cylinder3d，Salsanext，RandLANet，rangedet
MM 喵喵：
我们有考虑支持更多融合算法，预计会在近期加入排期；
range image 短期内暂时没有更多人力支持，欢迎提交 PR 一起共建；
LiDAR segmentation 会在未来半年时间内争取开源一些前沿算法，我们会尽量协调人力和总体规划。
MMSegmentation&MMEngine
Q 1
社区用户 L：
新旧版本感受不到区别：在训练速度上因为使用的是单卡 3090，感觉不出来哪里更快，抱歉；
代码因为文档方面解释的比较全，但是似乎又缺少一点东西，比如在实际上手改时，我希望文档可以多适配几种 bankbone 适配，适配不同的解码头等等；
部分代码迁移到 MMCV 和 MMEngine之后，找不到了。
MM 喵喵：
关于多种 backbone 和不同解码头的适配问题，可以参考 MMSegmentation configs 目录，里面提供了很多算法和 backbone 完整的训练配置，如果还不能满足需求，可以到 GitHub Discussion 上和我们还有其他社区用户一起讨论。
关于训练速度提升感受不到的问题，升级后的 MMSegmentation 将数据归一化放到 gpu 上做，所以在 cpu 上的数据增强阶段图片的数据类型都是 uint8，到 gpu 上是 float 类型，降低了 cpu 的 workload。
感兴趣可以看看 MMSegmentation 模型的 pre-processor：https://github.com/open-mmlab/mmsegmentation/blob/dev-1.x/docs/en/advanced_guides/models.md#data-preprocessor
关于部分代码迁移到 MMCV 和 MMEngine 的问题，migration 文档中介绍了代码迁移：https://github.com/open-mmlab/mmsegmentation/blob/dev-1.x/docs/en/migration/package.md，
如果还是有接口找不到，可以提 Issue，我们会进一步完善文档
Q 2
社区用户 C：
MMSegmentation 没有可视化功能？
MM 喵喵：
MMSegmentation 是有结果可视化功能的，可以参考 https://github.com/open-mmlab/mmsegmentation/blob/dev-1.x/docs/en/user_guides/visualization.md
彩蛋环节
我们 MMSegmentation 的 maintainer 还贴心地放上了后续 roadmap，感兴趣的宝子可以一起参与奥~
MMSegmentation roadmap
1. 丰富语义分割任务
- 医疗图像任务
- 遥感图像任务
- 轻量语义分割模型
2. 文档补充，公测结束前会补充以下文档
- MMSegmentation 数据流文档
- MMSegmentation 自定义模块文档
- 开箱即用攻略
- 二值分割
- 重点算法和重点骨干网络配置
如果你也想要你的声音被听见，需求被看到，bug 被修掉，快来添加喵喵小助手微信，申请加入公测群聊，解锁更多惊喜！
我们坚信社区力量永远是 OpenMMLab 生态中至关重要的部分，期待更多的小伙伴参与到 OpenMMLab 2.0 的建设中来！
