[Attention] 超级视客营 MMYOLO

[Haian Huang(深度眸)]

活动介绍

大家好，第一期 OpenMMLab 超级视客营实训活动开始啦！超级视客营实训活动提供十七个方向、上百个不同难度的任务供大家选择，不管你是初涉 AI 的新手还是资深炼丹师，都有适合你的任务供你选择。助力大家上手 OpenMMLab 开源算法库并参与项目建设。本期活动联合北京超级云计算中心，提供算力支持，为大家开发保驾护航。

活动参与方式：选择你感兴趣的任务，在 OpenMMLab 官网提交报名表。完成匹配后，即可和导师对接制定任务规划，开始上手开发。根据不同任务要求在对应的地址提交代码结果，出题方初步 review 通过后即可领取下一个任务或者坐等领奖。活动详情戳：OpenMMLab 官网活动页。

任务列表

在这我们将列出 MMYOLO 的相关任务，大家感兴趣的可以抓紧时间去官网活动页面报名！

任务题目	任务描述	技术标签	难易程度	积分数
算法复现 YOLOv7	复现 YOLOv7 算法，具体包括：基于 MMYOLO 中已提 PR，提供官方权重转换脚本基于 MMYOLO 中已提 PR，实现 P6 大模型 loss 逻辑	Python，PyTorch，目标检测	高级任务	80
YOLOv5 支持 ignore instance	参考 MMDet 相关逻辑，在 YOLOv5 中支持 ignore instance	Python，PyTorch，目标检测	高级任务	80
YOLOv5 支持实例分割任务中数据变换部分	参考官方 YOLOv5 实例分割实现，在 MMYOLO 中支持实例分割任务中数据变换部分	Python，PyTorch，实例分割	高级任务	80
YOLOv5 支持实例分割任务中 loss 部分	参考官方 YOLOv5 实例分割实现，在 MMYOLO 中支持实例分割任务中 loss 部分	Python，PyTorch，实例分割	高级任务	80
PPYLOE 部署模块开发	基于 MMDeploy 实现 PPYLOE 部署模块开发	Python，PyTorch，部署	高级任务	80
YOLOv5 训练中支持自动 anchor 优化	基于优化 anchor 脚本，在训练中支持自动 anchor 优化	Python，PyTorch，目标检测	进阶任务	30
提供 MMYOLO 中算法模块组合应用案例文档	针对 MMYOLO 中已经实现的各类 YOLO 算法，提供算法模块组合应用案例文档	文档	进阶任务	30
YOLOv5 从入门到部署教程优化	优化和完善部署教程	文档	进阶任务	30
YOLOv6 算法中文解读文案	基于目前实现撰写YOLOv6 算法中文解读文案	文档	初级任务	20
YOLOv7 算法中文解读文案	基于目前实现撰写YOLOv7 算法中文解读文案	文档	初级任务	20
中文文档翻译为英文	https://github.com/open-mmlab/mmyolo/blob/main/docs/zh_cn/deploy	文档	初级任务	10
中文文档翻译为英文	https://github.com/open-mmlab/mmyolo/blob/main/docs/zh_cn/algorithm_descriptions/rtmdet_description.md	文档	初级任务	10

活动报名地址：报名表地址

根据任务难度可以获得对应积分，兑换不同奖品。另外完成任务后在知识社区发布学习心得即可获得额外积分（记得主动找小助手领取哦）。

活动交流群：群二维码

有任何疑问欢迎大家加入群聊或者 Issue 下参与讨论，快来完成挑战，加入 OpenMMLab 贡献者队伍吧～

[mm-assistant]

We recommend using English or English & Chinese for issues so that we could have broader discussion.