MMSegmentation是商汤科技推出的语义分割库套件，属于 OpenMMLab 项目的一部分，里面有很多的语义分割模型。为什么博主会有这样的骚操作想法呢？原因有二，第一点：MMSegmentation的封装太完善了，作为一个依赖于pytorch的模型库在训练上却不一样，用户的自由发挥空间很小（比如自定义loss、自定义学习率调度器、自定义数据加载器，啥都要重新学），这让博主很难接受；第二点：github上给出了的其他pytorch模型库太拉胯了，支持的模型数量有限，大多只支持2020年以前的模型，这对于工程上是很难接受的。
为此，博主对MMSegmentation中模型的使用进行了详细的分析，并进行了相应的测试，实现了在mmseg中将模型抽取出来，用pytorch的逻辑单独进行训练、测试与部署。
为了让各位了解到mmseg的强大，这里列举了一些其支持的backbone和模型，基本上每一个模型都具有多种数据下的预训练模型。而且，MMSegmentation还支持自定义组合编码器和解码器，简直就是工程上的一大利器（有一个前提就是要能实现模型转jit部署）。
已支持的骨干网络：
- ResNet (CVPR'2016)
- ResNeXt (CVPR'2017)
- HRNet (CVPR'2019)