Facebook AI 研究院（FAIR）昨日開源了一款目標檢測平臺—Detectron，基于Python和Caffe2搭建，其目標是為目標檢測研究提供高質量，高性能的代碼庫。Detectron 包含Mask R-CNN、RetinaNet、Faster R-CNN、RPN、Fast R-CNN以及R-FCN 這些目標檢測算法的實現。

Detectron 簡介

Detectron 是 FAIR 用于實現最先進的目標檢測算法（包括 Mask R-CNN）的軟件系統。該系統基于深度學習框架 Caffe 2 ，由 Python 編寫而成。

截至營長發稿，目前Detectron在Github上已經獲得了5388顆星。

目前，Detectron 已經支持許多研究項目，包括：

• Feature Pyramid Networks for Object?Detection（https://arxiv.org/abs/1612.03144）

• Mask R-CNN（https://arxiv.org/abs/1703.06870）

• Detecting and Recognizing Human-Object Interactions（https://arxiv.org/abs/1704.07333）

• Focal Loss for Dense Object Detection（https://arxiv.org/abs/1708.02002）

• Non-local Neural Networks?(https://arxiv.org/abs/1711.07971)

• Learning to Segment Every Thing?(https://arxiv.org/abs/1711.10370)

• Data Distillation: Towards Omni-Supervised Learning?(https://arxiv.org/abs/1712.04440)

FAIR?創建 Detectron 是為了向目標檢測研究提供高質量、高性能的代碼庫。它擁有足夠的靈活性，可以支持最新研究的快速實施和評估。Detectron 目前囊括了以下對象檢測算法的實現：

• Mask R-CNN?(https://arxiv.org/abs/1703.06870)

• RetinaNet?(https://arxiv.org/abs/1708.02002)

• Faster R-CNN?(https://arxiv.org/abs/1506.01497)

• RPN?(https://arxiv.org/abs/1506.01497)

• Fast R-CNN?(https://arxiv.org/abs/1504.08083)

• R-FCN?(https://arxiv.org/abs/1605.06409)

主要使用以下主干網絡體系結構：

• ResNeXt{50,101,152}?(https://arxiv.org/abs/1611.05431)

• ResNet{50,101,152}?(https://arxiv.org/abs/1512.03385)

• Feature Pyramid Networks?(https://arxiv.org/abs/1612.03144)

• VGG16?(https://arxiv.org/abs/1409.1556)

此外，我們在 Detectron Model Zoo 中提供了大量的基準結果和訓練模型以供下載。（https://github.com/facebookresearch/Detectron/blob/master/MODEL_ZOO.md）

如何安裝Detectron

詳細安裝信息，請參考：

https://github.com/facebookresearch/Detectron/blob/master/INSTALL.md

要求：

1.NVIDIA GPU, Linux, Python2

2.Caffe2（請確已將Caffe2升級至支持Detectron模塊的版本）和 COCO API

依賴安裝

Caffe2安裝詳見：

https://caffe2.ai/docs/getting-started.html

COCO API：

https://github.com/cocodataset/cocoapi

Detectron安裝

Clone the Detectron repository：

# DETECTRON=/path/to/clone/detectron

git clone https://github.com/facebookresearch/detectron $DETECTRON

設置Python模塊：

cd $DETECTRON/lib && make

檢查Detectron測試通過（比如SpatialNarrowAsOp測試）：

python2 $DETECTRON/tests/test_spatial_narrow_as_op.py

接下來就可以使用Detectron預訓練模型進行推理了。

關于安裝以及其他問題，請見：

https://github.com/facebookresearch/Detectron/blob/master/INSTALL.md

總結

以上是生活随笔為你收集整理的Facebook开源计算机视觉目标检测平台Detectron的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。