亚冠恒大广岛三箭:Facebook 發布 Detectron2:基于 PyTorch 的新一代目標檢測工具

來源: 贏家財富網 作者:佚名

中岸水手对广岛三箭 www.sjiolp.com.cn 摘要: Detectron 是 FAIR 在 2018 年初公開的目標檢測平臺,包含了大量業內最具代表性的目標檢測、圖像分割、關鍵點檢測算法,該框架主要基于 python 和 caffe2 實現,開源項目已獲得了超 2.2w 的星標數。

  Detectron 是 FAIR 在 2018 年初公開的目標檢測平臺,包含了大量業內最具代表性的目標檢測、圖像分割、關鍵點檢測算法,該框架主要基于 python 和 caffe2 實現,開源項目已獲得了超 2.2w 的星標數。

  而 Detectron2 則是剛推出的新版 PyTorch 1.3  中一重大新工具,它源于 maskrcnn 基準測試,但它卻是對先前版本 detectron 的一次徹底重寫。Detectron2 包含了更大的靈活性與擴展性,并增強了可維護性和可伸縮性,以支持在生產中的用例。目前已在 GitHub 上開源,雷鋒網 AI 開發者將其重要內容整理編譯如下。

Detectron2 簡介

  據官方介紹,Detectron2 是 FAIR 的下一代目標檢測和分割研究平臺。目前,它實現了最先進的目標檢測算法。

  Detectron 2 與之前的 detectron 不同,它并非在原版基礎上進行改寫,而是徹底重寫的全新版本。新版目標檢測平臺 Detectron 2 則基于 PyTorch 框架,以 maskrcnn 基準測試作為起點。通過全新的??榛杓?,Detectron2 變得更靈活且易于擴展,它能夠在單個或多個 GPU 服務器上提供更快速的訓練速度。

Detectron2 的新特性

  基于 PyTorch 框架 與 Detectron 在 Caffe2 中實現不同,Detectron2 則基于 PyTorch 實現。PyTorch 提供了一個更直觀的命令式編程模型,它允許研究人員和工程師可以更快地迭代模型設計和實驗,并讓開發者受益于 PyTorch 深度學習方法以及不斷改進的 PyTorch 活躍社區。

  ??榛?、可擴展設計 在 Detectron2 中,引入了??榛杓?,用戶可以將自定義??椴迦肽勘曇觳庀低車娜我獠糠?。這意味著許多新的研究項目可以用數百行代碼編寫,而核心 Detectron2 庫和全新的研究之間可以實現完全分離。通過建立新模型并發現新方法,可以不斷完善??榛涂衫┱溝納杓?,這也幫助 Detectron2 變得更加靈活。其??榛匭砸材芄皇蠱涓行У匕鎦芯咳嗽碧剿髯釹冉乃惴ㄉ杓?。

  新模型和新功能 Detectron2 包括原始 Detectron 中的所有模型,例如 Faster R-CNN,Mask R-CNN,RetinaNet 和 DensePose。除此之外,Detectron2 還加入了幾個新模型,包括:Cascade R-CNN,Panoptic FPN 和 TensorMask,未來還將繼續添加更多算法。在 Detectron2 還包含了一些新功能,例如:同步批處理規范化(synchronous Batch Norm),以及對 LVIS 等新數據集的支持等。

  新任務支持 Detectron2 支持與目標檢測有關的一系列任務。和之前的 Detectron 一樣,它也支持目標檢測、實例分割、人體姿態估計等任務。此外,Detectron2 還支持語義分割和全景分割。

  高實現質量 重寫的 Detectron2 能夠重新檢測底層的設計決策,并解決原來 Detectron 的幾個實現問題。

  速度和可擴展性 通過將整個訓練 pipeline 移至 GPU,能夠使 Detectron2 比原來的 Detectron 更快,而且可以更加方便在各種標準型號下進行 GPU 服務器的分布式訓練,從而輕松擴展訓練數據集。

  Detectron2go 新增了將模型產品化部署的軟件實現,包括:標準的內部數據訓練工作流實現、模型壓縮量化、模型轉化等。


審核:yj149 編輯:yj149
關鍵詞:

Facebook,檢測工具,目標,Detectron2