打包支持各种物体识别算法(研究物体算法模型开源)

文章目录 [+]

据 Facebook 介绍，Detectron 项目最初开始于 2016 年 7 月，当时的目的是在 Caffe2 的基础上建立一个快速、灵活的物体检测系统，内部开发过程也就从此开始。
经过一年半的开发之后，代码库已经成熟了，而且其中集成了许多 Facebook 自己的研究项目，包括在 ICCV 2017 上获得最佳论文奖（马尔奖）的《Mask R-CNN》和获得最佳学生论文奖的《检测密集物体时的焦距损失》两篇论文中的算法，以及更早更广泛使用的 R-CNN 算法家族等。
这些由 Detectron 在背后支持的算法为实例分割之类的重要计算机视觉任务提供了直观的模型，也在视觉感知系统这一整个研究社区的研究重点近几年的飞速发展中起到了重要作用。

除了本来计划的研究用途之外，也有一些 Facebook 团队用这个平台训练自定义模型，并把它们用在增强现实、社区完整性等各种各样的任务中。
在 Detectron 中训练完毕的模型可以直接通过高效的 Caffe 2 运行时部署在云服务器和移动设备上。

这次 Facebook 开源 Detectron 也是希望让他们的研究尽可能开放，并且帮助加速全世界的实验室的研究进度。
在这个版本发布以后，整个研究社区都可以重复 Facebook 论文中的实验结果，并且可以和 Facebook 人工智能实验室使用同样的软件平台。
据雷锋网 AI 科技评论了解，Detectron 的 GitHub 项目中还带有超过 70 个预训练的基准模型可以用于性能对比。