1 关于选择哪个框架比较好
我会选择Detectron2；
因为MMDetection的Metrics的代码明显是有问题的，
在GitHub上面的issue的链接如下：
https://github.com/open-mmlab/mmdetection/issues/1954#issue-547224025
于是，站队，Detectron2！
1 Detectron2和MMDetection的对比
1.1 开发能力，哪个更好呢？
从开发能力上看，感觉两组都很厉害；
从代码封装的角度看，Detectron2的代码感觉很有亮点，有些代码开始觉得看不懂；当时看懂之后会觉得很酷炫，而且觉得具有很好的扩展性；
从工具的角度看，MMDetection也很不错，提供了loss和多GPU的各种工具，感觉还是很完备的；这点也凸显出MMLab组强大的开发能力；
1.2 从回复能力上，感觉Detectron2还是好一些
从GitHub上交流的感觉上来看，FAIR的工程师还是更加负责一些；虽然在知乎看到一些信息，觉得陈恺大神很好很厉害，但是实际交流的感觉还是Detectron2的回复更加及时；
1.3 从对PyTorch的理解上来看，我觉得Detectron2会好一些
从对PyTorch的理解上来看，我觉得Detectron2会好一些，因为它们都是Facebook推出的产品；
1.4 从架构的感觉上看，还是Detectron2会好一些
今天在学习MMDetection的时候，发现有一点很奇怪，类别数竟然需要自己手动指定，而不是从数据集中自动读取出来，简直太奇怪了；
