ModelScope介绍
ModelScope 是阿里达摩院推出的 中文版模型即服务（MaaS, Model as a Service）共享平台。该平台在2022年的云栖大会上发布，之前也有大量的PR文章进行介绍和推广（如：官方介绍，CSDN文章 等），这里就不再赘述。
作为其中的一个贡献者，刚开始接触ModelScope，给我的第一感觉就是，这不就是一个中文版的Hugging Face 嘛，还有必要再搞一个这个东西吗？我从心理是抗拒的。但是后（gong）来（zuo）想（suo）想（po），之前的淘宝，QQ，百度等，也是效仿而来，虽然不像ChatGPT, AlphaGo这样的开创性工作一样令人震撼，但至少也是针对国内使用者做了一些改良。当然，我从心底里佩服能够做出ChatGPT, AlphaGo这样工作的人，也希望国内能有一些这样重量级的工作出现。
话说回来，仔细想想，ModelScope相比Hugging Face做了哪些适合“国情”的改良呢？我能够想到的有下面几点：
- 首先是中文，虽然说对于专业的开发者，查找和阅读英文文档是一个必备的技能，但是有一个中文的平台作为参考和对比，当然也没什么坏处，另外，在AI这个领域，还有还有大量的初级入门者和非专业的开发者，这样的中文平台对他们而言更加友好；
- 其次是模型种类，Hugging Face本身是从NLP的Transformer“发家”，一些做CV的朋友甚至都不知道它的存在。而ModelScope除了在NLP，在CV, Audio, Multimodal等领域也有不少的模型，没有对NLP明显的侧重；
- 再者是机器资源，目前处在推广阶段，每位开发者都可以使用阿里云上免费的CPU/GPU机器进行开发，可以从每个模型主页右上角的Notebook选项中进入，是薅羊毛的不二之选；
- 最后是网络流畅度，相比Hugging Face，ModelScope在网页浏览、模型下载、数据集下载等方面，显然是更加顺畅的。
ModelScope也存在一些明显的不足：
- 贡献者欠缺，作为一个社区，当然需要更多开发者的贡献，虽然目前也有一些生态伙伴在上面进行模型贡献，但是大部分的模型还是达摩院自研/搬运的模型，如何能够使开源者在github开源的同时也上线到ModelScope，是一个值得考虑的问题；
- 模型影响力欠缺，作为一个中文的模型即服务平台，ModelScope上还欠缺有影响力的模型，很多国内的优秀工作也没有上线到这里；
- 代码一致性保障困难，ModelScope是一个“all in one”的仓库，内部和外部的人均能贡献，同一领域的代码风格统一以及模型结构复用等都是很有挑战的。
垂类模型介绍
我们在ModelScope上贡献的垂类模型（垂直领域的热门检测模型）包括：人体部位（人体、人手、人头）和垂类物体（口罩、安全帽、香烟、手机、交通标识等）检测模型，从某种程度上来说，也算是和Hugging Face的一个差异点（Hugging Face 物体检测相关的模型更多是通用的物体检测模型，没有垂类模型）。垂类模型的入口如下图所示：
目前，ModelScope上已经有的垂类模型如下表所示，我们也还在逐渐丰富模型中。
| 序号 | 模型名称 | 序号 | 模型名称 |
|---|---|---|---|
| 1 | 实时人体检测模型 | 6 | 实时香烟检测模型 |
| 2 | 实时人头检测模型 | 7 | 实时手机检测模型 |
| 3 | 实时手部检测模型 | 8 | 实时交通标识检测模型 |
| 4 | 实时口罩检测模型 | 9 | Coming soon |
| 5 | 实时安全帽检测模型 |
调用方式
1 Demo Service
在每个模型主页的右侧，有demo service的区域，可以上传本地的图片，对模型进行测试，如下图所示：
2 Notebook
使用免费的线上机器资源，开启薅羊毛模式，如下图所示。启动对应的实例之后，可以在机器实例中，进行范例代码的运行，也可以搭建自己的服务。
3 本地使用
如果有本地的机器资源的话，也可以直接pip安装modelscope库，就能够在本地进行使用了。具体可以参考安装教程。
* 二次开发
如果需要对现有的模型进行微调（finetune），可以参考每个模型的<微调代码范例>部分，准备好用于微调的数据之后即可对模型进行微调。
总结
垂类检测系列模型是我们在ModelScope上一个初步的尝试，也是针对与Hugging Face差异化做出的一点探索，欢迎大家适用并提出一些建议。我们会继续丰富和完善上面的模型。
