专栏首页AI科技大本营的专栏Mask R-CNN 源代码终上线,Facebook 开源目标检测平台—Detectron

Mask R-CNN 源代码终上线,Facebook 开源目标检测平台—Detectron

Example Mask R-CNN output

Facebook AI 研究院(FAIR)昨日开源了一款目标检测平台—Detectron,基于Python和Caffe2搭建,其目标是为目标检测研究提供高质量,高性能的代码库。Detectron 包含Mask R-CNN、RetinaNet、Faster R-CNN、RPN、Fast R-CNN以及R-FCN 这些目标检测算法的实现。

Detectron 简介

Detectron 是 FAIR 用于实现最先进的目标检测算法(包括 Mask R-CNN)的软件系统。该系统基于深度学习框架 Caffe 2 ,由 Python 编写而成。

截至营长发稿,目前Detectron在Github上已经获得了5388颗星。

目前,Detectron 已经支持许多研究项目,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 创建 Detectron 是为了向目标检测研究提供高质量、高性能的代码库。它拥有足够的灵活性,可以支持最新研究的快速实施和评估。Detectron 目前囊括了以下对象检测算法的实现:

  • 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)

主要使用以下主干网络体系结构:

  • 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,我们在 Detectron Model Zoo 中提供了大量的基准结果和训练模型以供下载。(https://github.com/facebookresearch/Detectron/blob/master/MODEL_ZOO.md)

如何安装Detectron

详细安装信息,请参考:

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

要求:

1.NVIDIA GPU, Linux, Python2

2.Caffe2(请确已将Caffe2升级至支持Detectron模块的版本)和 COCO API

依赖安装

Caffe2安装详见:

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

COCO API:

https://github.com/cocodataset/cocoapi

Detectron安装

Clone the Detectron repository:

# DETECTRON=/path/to/clone/detectron git clone https://github.com/facebookresearch/detectron $DETECTRON

设置Python模块:

cd $DETECTRON/lib && make

检查Detectron测试通过(比如SpatialNarrowAsOp测试):

python2 $DETECTRON/tests/test_spatial_narrow_as_op.py

接下来就可以使用Detectron预训练模型进行推理了。

关于安装以及其他问题,请见:

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

本文分享自微信公众号 - AI科技大本营(rgznai100)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-01-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 读完这45篇论文,“没人比我更懂AI了”

    导读:AI领域的发展会是IT中最快的。我们所看到的那些黑科技,其后无不堆积了大量论文,而且都是最新、最前沿的论文。从某种角度来讲,它们所用的技术跟书籍里的内容确...

    AI科技大本营
  • 城会玩!DeepMind新AI竟然自己学会跑酷了

    DeepMind在通用人工智能的道路上越走越远。最近,他们通过电脑动画和生物力学,让人工智能自己学会了如何在动画环境中运动,包括步行、跑动、跳跃、攀爬。 比如...

    AI科技大本营
  • 2020年AI如何走?Jeff Dean和其他四位“大神”已做预测!

    人工智能已经不再是随时准备改变世界的状态,而是已经在改变世界。在迈入2020年这新的一年、以及新的20年代之际,笔者请到了AI方面最敏锐的观察者,请他们回顾20...

    AI科技大本营
  • Mask R-CNN 源代码终上线,Facebook 开源目标检测平台—Detectron

    Example Mask R-CNN output Facebook AI 研究院(FAIR)昨日开源了一款目标检测平台—Detectron,基于Python和...

    企鹅号小编
  • 入门 | 半监督学习在图像分类上的基本工作方式

    机器之心
  • (16)芯片探针与基因的对应关系-生信菜鸟团博客2周年精选文章集

    这个我非常喜欢,目录如下: 用R获取芯片探针与基因的对应关系三部曲-bioconductor 用R获取芯片探针与基因的对应关系三部曲-NCBI下载对应关系 ge...

    生信技能树
  • Spring Boot 2.X(三):使用 Spring MVC + MyBatis + Thymeleaf 开发 web 应用

    Spring MVC 是构建在 Servlet API 上的原生框架,并从一开始就包含在 Spring 框架中。本文主要通过简述 Spring MVC 的架构及...

    朝雾轻寒
  • C++ 经典排序算法

    它重复地走访过要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。走访数列的工作是重复地进行直到没有再需要交换,也就是说该数列已经排序完成。 ...

    老九学堂-小师弟
  • springclound快速入门

    微醺
  • THINKPHP总结

    1.设置runtime不缓存 define(“NO_CACHE_RUNTIME”,TRUE); 2.设置文件内容空格 define(“STRIP_RUNTIME...

    wangxl

扫码关注云+社区

领取腾讯云代金券

玩转腾讯云 有奖征文活动