# vision-process-webui
**Repository Path**: he_peng1992/vision-process-webui
## Basic Information
- **Project Name**: vision-process-webui
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-05-23
- **Last Updated**: 2024-05-23
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# vision-process-webui
   
[](https://github.com/isLinXu/vision-process-webui)    
**language**: [en ｜ [中文](README_zh.md)]
---
# 🎤介绍
由于计算机视觉理论和模型的复杂性不断增加，为了方便直观理解和复现，降低使用与复现门槛，并快速验证图像的算法处理效果，
受stable-diffusion-webui项目在扩散模型应用推广方面的启发，一些基于目标检测、图像分割和图像分类等任务的模型被部署并展示在Gradio上进行推理。
**本项目也欢迎更多人贡献、使用以及推广！**
## 📂 特性与功能
- [x] 支持基于本项目app文件进行本地部署，以及移动到其他平台进行部署；
- [x] 支持视觉库多个模型的简单配置与选择，无需复杂地选择`config`以及`checkpoint`文件，直接在下拉框或复选框中选择即可；
- [x] 支持多种模型与多任务的在线推理，包括`OpenMMLab系列`、`detectron2`、`detrex`、`timm`、`torchvision`、`modelscope&AdaDet`等等；
- [x] 支持开源社区进行部署接入，包括`OpenXLab`、`ModelScope`、`huggingface`；
- [ ] 支持多app整合到一个界面中，方便用户进行对比与选择；[]()
- [ ] 支持自定义上传权重文件，并输出推理结果及模型指标；[]()
# 🛜在线推理演示
- ❗️目前本仓库支持的gradio应用，已部署在[**OpenXLab**](https://openxlab.org.cn/apps),[**ModelScope**](https://www.modelscope.cn/studios) 和
[**huggingface**](https://huggingface.co/)
. 欢迎测试与使用.
## OpenMMLab
- [x] 📦[**MMYOLO**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmyolo-webui)[](https://www.modelscope.cn/studios/isLinXu/mmdetection-weibui/summary)
- [x] 📦[**MMDetection**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmdetection-webui)[](https://www.modelscope.cn/studios/isLinXu/mmdetection-weibui/summary)
- [ ] 📦[**MMDetection3D**](): []()
- [x] 📦[**MMSegmentation**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmsegmentation-webui)[](https://www.modelscope.cn/studios/isLinXu/mmsegmentation-webui/summary)
- [x] 📦[**MMOCR**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmocr-webui)[](https://www.modelscope.cn/studios/isLinXu/mmocr-webui/summary)
- [x] 📦[**MMRotate**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmrotate-webui)[](https://www.modelscope.cn/studios/isLinXu/mmrotate-webui/summary)
- [ ] 📦[**MMHuman3D**](): []()
- [x] 📦[**MMAction2**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmaction-webui)
- [x] 📦[**MMTracking**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmtracking-webui)
- [x] 📦[**MMPreTrain**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmpretrain-webui)[](https://www.modelscope.cn/studios/isLinXu/mmpretrain-webui/summary)
- [x] 📦[**MMPose**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmpose-webui)[](https://www.modelscope.cn/studios/isLinXu/mmpose-webui/summary)
- [x] 📦[**MMagic**]():[](https://openxlab.org.cn/apps/detail/gatilin/mmagic-image-webui)
- [ ] 📦[**MMGeneration**](): []()
- [ ] 📦[**MMEditing**](): []()
- [ ] 📦[**MMFlow**](): []()
## detectron2
- [x] 📦[**detectron2**](): [](https://openxlab.org.cn/apps/detail/gatilin/detectron2_webui)[](https://www.modelscope.cn/studios/isLinXu/detectron2-webui/summary)
## detrex
- [x] 📦[**detrex**](): [](https://openxlab.org.cn/apps/detail/gatilin/detrex-webui)[](https://www.modelscope.cn/studios/isLinXu/detrex-webui/summary)
## modelscope&AdaDet
- [x] 📦[**DAMO-YOLO**](): [](https://openxlab.org.cn/apps/detail/gatilin/damo-yolo-webui)[](https://www.modelscope.cn/studios/isLinXu/damo-yolo-webui/summary)
- [x] 📦[**DAMO-FD**](): [](https://openxlab.org.cn/apps/detail/gatilin/damo-facedet-webui)[](https://www.modelscope.cn/studios/isLinXu/damo-facedet-webui/summary)
- [x] 📦[**DAMO-OCR**](): [](https://openxlab.org.cn/apps/detail/gatilin/damo-ocr-webui)
## detection
- [x] 📦[**yolov8-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/yolov8-webui)[](https://www.modelscope.cn/studios/isLinXu/yolov8-webui/summary)
- [x] 📦[**yolov5-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/yolov5-webui)[](https://www.modelscope.cn/studios/isLinXu/yolov5-webui/summary)
- [x] 📦[**yolov3-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/yolov3-webui)[](https://www.modelscope.cn/studios/isLinXu/yolov3-webui/summary)
- [x] 📦[**yolox-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/yolox-webui)[](https://www.modelscope.cn/studios/isLinXu/yolox-webui/summary)
- [x] 📦[**yolonas-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/yolonas-webui)[](https://www.modelscope.cn/studios/isLinXu/yolonas-webui/summary)
- [x] 📦[**ppyoloe-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/ppyoloe_webui)[](https://www.modelscope.cn/studios/isLinXu/ppyoloe-webui/summary)
- [x] 📦[**torchvision-detection-webui**]():[](https://openxlab.org.cn/apps/detail/gatilin/torchvision-detection-webui)[](https://www.modelscope.cn/studios/isLinXu/torchvision-detection-webui/summary)
## classification
- [x] 📦[**torchvision-classification-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/torchvision-classification-webui#build-configuration)[](https://www.modelscope.cn/studios/isLinXu/torchvision-cls-app/summary)
- [x] 📦[**timm-classification-webui**]():[](https://openxlab.org.cn/apps/detail/gatilin/timm-classification-webui)[](https://www.modelscope.cn/studios/isLinXu/timm-classification-webui/summary)
## segmentation
- [x] 📦[**torchvision-segmentation-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/torchvision-segmention-webui)[](https://www.modelscope.cn/studios/isLinXu/torchvision_seg_app/summary)
- [x] 📦[**mobile-sam-app**]():[](https://openxlab.org.cn/apps/detail/gatilin/mobile-sam-webui)[](https://www.modelscope.cn/studios/isLinXu/mobile_sam_webui/summary)
# 🤖模型支持列表
# 🧙performance&demo
## 🔨OpenMMLab
| [](https://openxlab.org.cn/apps/detail/gatilin/mmpretrain-webui) | [](https://openxlab.org.cn/apps/detail/gatilin/mmyolo-webui) | [](https://openxlab.org.cn/apps/detail/gatilin/mmdetection-webui) | [](https://openxlab.org.cn/apps/detail/gatilin/mmpose-webui) |
| :----------------------------------------------------------: | :----------------------------------------------------------: | :----------------------------------------------------------: | :----------------------------------------------------------: |
| [**MMPreTrain**](https://github.com/open-mmlab/mmpretrain) | [**MMYOLO**](https://github.com/open-mmlab/mmyolo) | [**MMDetection**](https://github.com/open-mmlab/mmdetection) | [**MMPose**](https://github.com/open-mmlab/mmpose) |
| [](https://openxlab.org.cn/apps/detail/gatilin/mmsegmentation-webui) | [](https://openxlab.org.cn/apps/detail/gatilin/mmrotate-webui) | [](https://openxlab.org.cn/apps/detail/gatilin/mmocr-webui) | [](https://openxlab.org.cn/apps/detail/gatilin/mmaction-webui) |
| [**MMSegmentation**](https://github.com/open-mmlab/mmsegmentation) | [**MMRotate**](https://github.com/open-mmlab/mmrotate) | [**MMOCR**](https://github.com/open-mmlab/mmocr) | [**MMAction2**](https://github.com/open-mmlab/mmaction2) |
| | | | |
| | | | |
| | | | |
| | | | |
## 🔨detectron2
|  |  | | |
| ------------------------------------------------------------ | ------------------------------------------------------------ | ---- | ---- |
| | | | |
| | | | |
## 🔨classification
|  |
| ------------------------------------------------------------ |
|  |
|  |
---
## 🔨detection
|  |  |  |  |
| :----------------------------------------------------------: | :----------------------------------------------------------: | :----------------------------------------------------------: | :----------------------------------------------------------: |
| YOLOv8-det | YOLOv8-seg | YOLOv8-seg | YOLOv8-seg |
|  |  |  |
| :----------------------------------------------------------: | :----------------------------------------------------------: | :----------------------------------------------------------: |
| | | |
| | | |
| YOLOv3 | YOLOv5 | YOLOX |
|  |  |  |
| YOLO-NAS | PP-YOLOE | RT-Detr |
---
## 🔨segmentation
| []() |  |
|:--------------------------------------------------------------------------------------------------------------:| :----------------------------------------------------------: |
|  |  |
| mobile-sam[point] | mobile-sam[bbox] |
---
# 🆕News
- [x] (2023-09-29): update README.md
- [x] (2023-09-20): `detrex、damo-yolo、easy-face`
- [x] (2023-09-18): `detectron2`
- [x] (2023-09-16): `mmagic`
- [x] (2023-09-14): `mmtracking`
- [x] (2023-09-12): `mmaction2`
- [x] (2023-09-10): `mmocr、mmroate、mmsegmentation`
- [x] (2023-09-08): `mmyolo、mmpretrain、mmdetection、mmpose`
- [x] (2023-09-07): `yolov3、yolov5、yolov8、yolo_nas、yolox、torchvision-detection、mobile-sam、timm-classification`
- [x] (2023-09-02): repo init.
# 🗓support list
| Model | Nums | list |
| :-------------: | :--: | :------------------------------------------------: |
| yolov3 | 3 | [model_list](models/list/yolo_model_list.py) |
| yolov5 | 4 | [model_list](models/list/yolo_model_list.py) |
| yolox | 5 | [model_list](models/list/yolo_model_list.py) |
| yolonas | 3 | [model_list](models/list/yolo_model_list.py) |
| yolov8 | 4 | [model_list](models/list/yolo_model_list.py) |
| timm | 20 | [model_list](models/list/timm_cls_list.py) |
| torchvision_cls | 14 | [model_list](models/list/torchvision_cls_list.py) |
| torchvision_det | 6 | [model_list](models/list/torchvision_det_list.py) |
| detectron2 | 36 | [model_list](models/list/detectron2_model_list.py) |
| detrex | 61 | [model_list](models/list/detrex_model_list.py) |
| mmpretrain | 545 | [model_list](models/list/mmpretrain_model_list.py) |
| mmyolo | 74 | [model_list](models/list/mmyolo_model_list.py) |
| mmdetection | 559 | [model_list](models/list/mmdet_model_list.py) |
| mmsegmentation | 622 | [model_list](models/list/mmseg_model_list.py) |
| mmocr | 17 | [model_list](models/list/mmocr_model_list.py) |
| mmaction2 | 180 | [model_list](models/list/mmaction2_model_list.py) |
| mmrorate | 50 | [model_list](models/list/mmrotate_model_list.py) |
| mmpose | 10 | [model_list](models/list/mmpose_model_list.py) |
| mmagic | 14 | [model_list](models/list/mmagic_model_list.py) |
| damo_face | 4 | [model_list](models/list/damo_face_list.py) |
| damo_yolo | 8 | [model_list](models/list/yolo_model_list.py) |
| | | |
| | | |
## 🔨classification
- [x] **VGG16**([src](https://arxiv.org/abs/1409.1556) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **AlexNet**([src](https://arxiv.org/abs/1404.5997) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **ResNet18**([src](https://arxiv.org/abs/1512.03385) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **ResNet50**([src](https://arxiv.org/abs/1512.03385) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **ResNet101**([src](https://arxiv.org/abs/1512.03385) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **ResNet152**([src](https://arxiv.org/abs/1512.03385) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **GoogLeNet**([src](https://arxiv.org/abs/1409.4842) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **DenseNet121**([src](https://arxiv.org/abs/1608.06993) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **MobileNetV2**([src](https://arxiv.org/abs/1801.04381) | [code](webui/cls/torchvision_cls_ui.py))
- [x] **SqueezeNet**([src]() | [code](webui/cls/torchvision_cls_ui.py))
- [x] **WideResNet50**([src]() | [code](webui/cls/torchvision_cls_ui.py))
- [x] **WideResNet101**([src]() | [code](webui/cls/torchvision_cls_ui.py))
- [x] **InceptionV3**([src]() | [code](webui/cls/torchvision_cls_ui.py))
## 🔨detection
- [x] **yolov3**([src](https://docs.ultralytics.com/models/yolov3/) | [code](webui/det/yolov3_ui.py))
- [ ] **yolov4**([src](https://docs.ultralytics.com/models/yolov4/) | [code](webui/det/yolov4_ui.py))
- [x] **yolov5**([src](https://docs.ultralytics.com/models/yolov5/) | [code](webui/det/yolov5_ui.py))
- [ ] **yolov6**([src](https://docs.ultralytics.com/models/yolov6/) | [code](webui/det/yolov6_ui.py))
- [ ] **yolov7**([src](https://docs.ultralytics.com/models/yolov7/) | [code](webui/det/yolov7_ui.py))
- [x] **yolox**([src](https://github.com/Deci-AI/super-gradients/blob/master/src/super_gradients/training/models/detection_models/yolox.py) | [code](webui/det/yolox_ui.py)))
- [x] **ppyoloe**([src](https://github.com/Deci-AI/super-gradients/tree/master/src/super_gradients/training/models/detection_models/pp_yolo_e) | [code](webui/det/ppyoloe_ui.py)))
- [x] **yolo-nas**([src](https://github.com/Deci-AI/super-gradients/blob/master/YOLONAS.md) | [code](webui/det/yolonas_ui.py)))
- [x] **yolov8**([src](https://docs.ultralytics.com/models/yolov8/) | [code](webui/det/yolov8_ui.py))
- [x] **rtdetr-l**([src](https://docs.ultralytics.com/models/rtdetr/) | [code](webui/det/rt_detr_ui.py)))
- [x] **fasterrcnn_resnet50_fpn**([src]() | [code](webui/det/torchvision_det_ui.py)))
- [x] **maskrcnn_resnet50_fpn**([src]() | [code](webui/det/torchvision_det_ui.py)))
- [x] **keypointrcnn_resnet50_fpn**([src]() | [code](webui/det/torchvision_det_ui.py)))
- [x] **retinanet_resnet50_fpn**([src]() | [code](webui/det/torchvision_det_ui.py)))
---
## 🔨segmentation
- [x] **mobile_sam**([src](https://docs.ultralytics.com/models/mobile-sam/) | [code](webui/seg/mobilesam_ui.py))
- [x] **fast_sam**([src](https://docs.ultralytics.com/models/fast-sam/) | [code](webui/seg/fastsam_ui.py))
- [x] **DeepLabv3**([src]() | [code](webui/seg/torchvision_seg_ui.py))
- [x] **DeepLabv3+**([src]() | [code](webui/seg/torchvision_seg_ui.py))
- [x] **FCN-ResNet50**([src]() | [code](webui/seg/torchvision_seg_ui.py))
- [x] **FCN-ResNet101**([src]() | [code](webui/seg/torchvision_seg_ui.py))
- [x] **LRR**([src]() | [code](webui/seg/torchvision_seg_ui.py))
- [x] UNet()
# 📢实际意义与作用
这是一个包含主要视觉任务与开源视觉库的Gradio推理仓库，它的总体意义和作用如下：
- 方便性：为开发者和研究者提供了一个方便的平台，他们可以在其中测试和比较不同的模型和算法。同时，用户可以通过上传图像来测试不同的视觉任务，而无需自己编写代码。
- 教育性：可以帮助用户更好地理解和使用视觉库，并且可以作为学习深度学习和计算机视觉的教育资源。
- 社区性：可以促进开源社区的发展和知识共享，因为它集成了多个开源视觉库，用户可以轻松地比较和测试不同的库和模型。
- 实用性：包含了常见的视觉任务，如图像分类、目标检测、语义分割、人脸识别等，这些任务都是在实际应用中非常有用的。
- 开放性：是开源的，任何人都可以访问和使用它，这意味着它可以被不同的人和组织使用和扩展，从而进一步推动计算机视觉和深度学习的发展。
- 速度和效率：使用 Gradio 进行推理，这意味着用户可以快速地上传图像并查看模型的预测结果，而无需等待长时间的训练和推理过程。
- 可重复性：提供了一个可重复的测试平台，用户可以使用相同的数据和模型来测试不同的库和算法，从而比较它们的性能和准确性。
- 可扩展性：可以轻松地扩展到其他视觉任务和库，因为它是基于 Gradio 和开源视觉库构建的。
- 可视化：可以帮助用户更好地理解模型的预测结果，因为它可以将预测结果可视化为图像或其他形式的输出，从而使用户更容易理解和解释模型的行为。
# 📖Usage
## 1. install
```shell
git clone https://github.com/isLinXu/vision-process-webui.git
cd vision-process-webui
pip install -r requirements.txt
```
## 2. download weights
```shell
cd weights
cd [model_name]
sh download_weights.sh
```
model_name=xxxx
## 3. run
```shell
python webui/model_app.py
```
model_app=classification|detection|segmentation
or
```shell
cd webui/app
python [model_app].py
```
model_app=yolov3|yolov5|yolov8|yolonas|ppyoloe|torchvision-detection|torchvision-classification|torchvision-segmentation|mobile-sam|fast-sam
# 🧾TODO
## support more models and libraries
### OpenMMLab
- [x] 📦[**MMYOLO**]()
- [x] 📦[**MMDetection**]()
- [ ] 📦[**MMDetection3D**]():
- [x] 📦[**MMSegmentation**]():
- [x] 📦[**MMOCR**]():
- [ ] 📦[**MMHuman3D**]():
- [x] 📦[**MMAction2**]():
- [x] 📦[**MMTracking**]():
- [x] 📦[**MMRotate**]():
- [x] 📦[**MMPreTrain**]():
- [x] 📦[**MMPose**]():
- [x] 📦[**MMagic**]():
- [ ] 📦[**MMGeneration**]():
- [ ] 📦[**MMEditing**]():
- [ ] 📦[**MMFlow**]():
### detectron2 series
- [x] 📦[**detectron2**]():
- [x] 📦[**detrex**]():
## EasyCV
- [ ] 📦[**Classification**](https://github.com/alibaba/EasyCV/blob/master/docs/source/model_zoo_cls.md):
- [ ] 📦[**Detection**](https://github.com/alibaba/EasyCV/blob/master/docs/source/model_zoo_det.md):
- [ ] 📦[**Segmentation**](https://github.com/alibaba/EasyCV/blob/master/docs/source/model_zoo_seg.md):
- [ ] 📦[**Pose Estimation**](https://github.com/alibaba/EasyCV/blob/master/docs/source/model_zoo_pose.md)
## AdaDet
- [x] 📦[**DAMO-YOLO**]():
- [x] 📦[**DAMO-FD**]():
- [ ] building...
## gluon-cv
- [ ] building...
## PaddleDetection
- [ ] building...
## docker image build
- [ ] building...
## merge all ui.py in one
- [ ] building...
# 📢实际意义与作用
这是一个包含主要视觉任务与开源视觉库的Gradio推理仓库，它的总体意义和作用如下：
- 方便性：为开发者和研究者提供了一个方便的平台，他们可以在其中测试和比较不同的模型和算法。同时，用户可以通过上传图像来测试不同的视觉任务，而无需自己编写代码。
- 教育性：可以帮助用户更好地理解和使用视觉库，并且可以作为学习深度学习和计算机视觉的教育资源。
- 社区性：可以促进开源社区的发展和知识共享，因为它集成了多个开源视觉库，用户可以轻松地比较和测试不同的库和模型。
- 实用性：包含了常见的视觉任务，如图像分类、目标检测、语义分割、人脸识别等，这些任务都是在实际应用中非常有用的。
- 开放性：是开源的，任何人都可以访问和使用它，这意味着它可以被不同的人和组织使用和扩展，从而进一步推动计算机视觉和深度学习的发展。
- 速度和效率：使用 Gradio 进行推理，这意味着用户可以快速地上传图像并查看模型的预测结果，而无需等待长时间的训练和推理过程。
- 可重复性：提供了一个可重复的测试平台，用户可以使用相同的数据和模型来测试不同的库和算法，从而比较它们的性能和准确性。
- 可扩展性：可以轻松地扩展到其他视觉任务和库，因为它是基于 Gradio 和开源视觉库构建的。
- 可视化：可以帮助用户更好地理解模型的预测结果，因为它可以将预测结果可视化为图像或其他形式的输出，从而使用户更容易理解和解释模型的行为。
# 🌸Reference
- [**stable-diffusion-webui**](https://github.com/AUTOMATIC1111/stable-diffusion-webui): Stable Diffusion web UI
- [**torchvision**](https://github.com/pytorch/vision): Datasets, Transforms and Models specific to Computer Vision
- [**timm**](https://github.com/huggingface/pytorch-image-models): PyTorch image models, scripts, pretrained weights -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNet-V3/V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, and more
- [**yolov3**](https://github.com/ultralytics/yolov3): YOLOv3 in PyTorch > ONNX > CoreML > TFLite
- [**yolov5**](https://github.com/ultralytics/yolov5): YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
- [**ultralytics**](https://github.com/ultralytics/ultralytics): NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
- [**super-gradients**](https://github.com/Deci-AI/super-gradients): Easily train or fine-tune SOTA computer vision models with one open source training library. The home of Yolo-NAS.
- [**MMEngine**](https://github.com/open-mmlab/mmengine): OpenMMLab foundational library for training deep learning models.
- [**MMCV**](https://github.com/open-mmlab/mmcv): OpenMMLab foundational library for computer vision.
- [**MMPreTrain**](https://github.com/open-mmlab/mmpretrain): OpenMMLab pre-training toolbox and benchmark.
- [**MMagic**](https://github.com/open-mmlab/mmagic): Open**MM**Lab **A**dvanced, **G**enerative and **I**ntelligent **C**reation toolbox.
- [**MMDetection**](https://github.com/open-mmlab/mmdetection): OpenMMLab detection toolbox and benchmark.
- [**MMDetection3D**](https://github.com/open-mmlab/mmdetection3d): OpenMMLab's next-generation platform for general 3D object detection.
- [**MMRotate**](https://github.com/open-mmlab/mmrotate): OpenMMLab rotated object detection toolbox and benchmark.
- [**MMYOLO**](https://github.com/open-mmlab/mmyolo): OpenMMLab YOLO series toolbox and benchmark.
- [**MMSegmentation**](https://github.com/open-mmlab/mmsegmentation): OpenMMLab semantic segmentation toolbox and benchmark.
- [**MMOCR**](https://github.com/open-mmlab/mmocr): OpenMMLab text detection, recognition, and understanding toolbox.
- [**MMPose**](https://github.com/open-mmlab/mmpose): OpenMMLab pose estimation toolbox and benchmark.
- [**MMHuman3D**](https://github.com/open-mmlab/mmhuman3d): OpenMMLab 3D human parametric model toolbox and benchmark.
- [**MMSelfSup**](https://github.com/open-mmlab/mmselfsup): OpenMMLab self-supervised learning toolbox and benchmark.
- [**MMRazor**](https://github.com/open-mmlab/mmrazor): OpenMMLab model compression toolbox and benchmark.
- [**MMFewShot**](https://github.com/open-mmlab/mmfewshot): OpenMMLab fewshot learning toolbox and benchmark.
- [**MMAction2**](https://github.com/open-mmlab/mmaction2): OpenMMLab's next-generation action understanding toolbox and benchmark.
- [**MMTracking**](https://github.com/open-mmlab/mmtracking): OpenMMLab video perception toolbox and benchmark.
- [**MMFlow**](https://github.com/open-mmlab/mmflow): OpenMMLab optical flow toolbox and benchmark.
- [**MMEditing**](https://github.com/open-mmlab/mmediting): OpenMMLab image and video editing toolbox.
- [**MMGeneration**](https://github.com/open-mmlab/mmgeneration): OpenMMLab image and video generative models toolbox.
- [**MMDeploy**](https://github.com/open-mmlab/mmdeploy): OpenMMLab model deployment framework.
- [**MIM**](https://github.com/open-mmlab/mim): MIM installs OpenMMLab packages.
- [**MMEval**](https://github.com/open-mmlab/mmeval): OpenMMLab machine learning evaluation library.
- [**Playground**](https://github.com/open-mmlab/playground): A central hub for gathering and showcasing amazing projects built upon OpenMMLab.
- [**detectron2**](https://github.com/facebookresearch/detectron2): Detectron2 is a platform for object detection, segmentation and other visual recognition tasks.
- [**detrex**](https://github.com/IDEA-Research/detrex): detrex is a research platform for DETR-based object detection, segmentation, pose estimation and other visual recognition tasks.
- [**gluon-cv**](https://github.com/dmlc/gluon-cv):Gluon CV Toolkit
- [**autogluon**](https://github.com/autogluon/autogluon): AutoGluon: AutoML for Image, Text, Time Series, and Tabular Data
- [**EasyCV**](https://github.com/alibaba/EasyCV): An all-in-one toolkit for computer vision
- [**AdaDet**](https://github.com/modelscope/AdaDet):AdaDet: A Development Toolkit for Object Detection based on ModelScope
- [**mediapipe**](https://developers.google.com/mediapipe):MediaPipe Solutions provides a suite of libraries and tools for you to quickly apply artificial intelligence (AI) and machine learning (ML) techniques in your applications.
- [**dlib**](https://github.com/davisking/dlib):A toolkit for making real world machine learning and data analysis applications in C++