概述

本章向您介绍 MMYOLO 的整体框架，并提供详细的教程链接。

什么是 MMYOLO

MMYOLO 是一个 YOLO 系列的算法工具箱，目前仅实现了目标检测任务，后续会支持实例分割、全景分割和关键点检测等多种任务。其包括丰富的目标检测算法以及相关的组件和模块，下面是它的整体框架：

MMYOLO 文件结构和 MMDetection 完全一致。为了能够充分复用 MMDetection 代码，MMYOLO 仅包括定制内容，其由 3 个主要部分组成：datasets、models、engine。

datasets 支持用于目标检测的各种数据集。
- transforms 包含各种数据增强变换。
models 是检测器最重要的部分，包含检测器的不同组件。
- detectors 定义所有检测模型类。
- data_preprocessors 用于预处理模型的输入数据。
- backbones 包含各种骨干网络
- necks 包含各种模型颈部组件
- dense_heads 包含执行密集预测的各种检测头。
- losses 包含各种损失函数
- task_modules 为检测任务提供模块。例如 assigners、samplers、box coders 和 prior generators。
- layers 提供了一些基本的神经网络层
engine 是运行时组件的一部分。
- optimizers 提供优化器和优化器封装。
- hooks 提供 runner 的各种钩子。

以下是 MMYOLO 的详细指南：