快讯 | Facebook开源物体识别工具Detectron,加速计算机视觉研究

大数据文摘作品

作者:龙牧雪 冯晓丽

1月22日,Facebook的人工智能实验室(FAIR)开源了计算机视觉研究平台Detectron。Detectron系统实现了最先进的物体检测算法,包括Mask R-CNN。 它是用Python编写的,支持Caffe2深度学习框架。

就在2天前,纽约大学教授Yann LeCun刚刚宣布卸任Facebook人工智能实验室(FAIR)主任,并担任AI首席科学家。

?《业界丨Yann LeCun卸任Facebook AI实验室主任,称将回归科研》

在一些“搞事情”媒体各种“Facebook变天、LeCun连降两级”的报道之下,昨天,Yann LeCun又发了一个“澄清帖”,说明Jerome Pesenti所担任的AI副总裁是一个新职位,并不是来取代LeCun的AI实验室主任地位的,这一组织结构的变化在几个月前就已经发生。这一职位变动也从人员架构上说明了Facebook高层对AI的重视程度在提升。

正如Yann LeCun所言,Facebook人工智能实验室发展势头正猛。

近日,Facebook的人工智能实验室(FAIR)开源了计算机视觉研究平台Detectron。Detectron系统实现了最先进的物体检测算法,包括Mask R-CNN。 它是用Python编写的,支持Caffe2深度学习框架。

不久前,FAIR才开源了语音识别的工具wav2letter,戳这里看大数据文摘介绍《快讯 | Facebook开源语音识别工具包wav2letter》

这一系列工具的开源,将使更多研究人员能使用到Facebook的平台,进一步扩大Facebook人工智能实验室的影响力。

针对Detectron的开源,研究员Ross Girshick发表了一篇博客,具体介绍了该开源平台的性能。大数据文摘特摘录如下:

Mask R-CNN 输出的范例

Detectron 项目于2016年7月启动,旨在创建一个基于 Caffe2 的快速、灵活的物体检测系统。经过一年半的发展,Detectron 的代码库已趋于成熟,并支持了很多内部项目,比如:Mask R-CNN 和 Focal Loss for Dense Object Detection(ICCV 2017 - Marr奖项和最佳学生论文获奖项目)。

Detectron 支持的算法为计算机视觉关键任务(比如实例分割)提供了直观的模型,并在近年来社会上取得的视觉感知系统的巨大成果中发挥了关键作用。

除了研究,Facebook 许多团队使用 Detectron 平台来训练各种模型,模型可以部署在云端和移动设备上,应用在增强现实等领域。

我们希望通过开源Detectron平台,让我们的研究尽可能开放,并加速全球实验室的研究。随着其发布,研究人员能使用FAIR人员每天使用的同一软件平台,重现我们的研究结果。

Detectron介绍

Detectron的目标是为物体检测研究提供高质量、高性能的代码库。 它旨在灵活、快速地实施和评估新颖的研究内容。 Detectron包括以下物体检测算法的实现:

  • Mask R-CNN
  • RetinaNet
  • Faster R-CNN
  • RPN
  • Fast R-CNN
  • R-FCN

使用以下主干网络体系结构:

  • ResNeXt{50,101,152}
  • ResNet{50,101,152}
  • Feature Pyramid Networks (用 ResNet/ResNeXt)
  • VGG16

所有代码均已发布至GitHub,大家可以到这里下载:

https://github.com/facebookresearch/Detectron

素材来源:

https://research.fb.com/facebook-open-sources-detectron/

https://research.fb.com/downloads/detectron/

原文发布于微信公众号 - 大数据文摘(BigDataDigest)

原文发表时间:2018-01-26

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。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏IT派

传统程序员要不要转行到AI?

近年来,随着 Google 的 AlphaGo 打败韩国围棋棋手李世乭之后,机器学习尤其是深度学习的热潮席卷了整个 IT 界。所有的互联网公司,尤其是 Goog...

11030
来自专栏AI科技评论

吴博:目标检测集成框架在医学图像 AI 辅助分析中的应用 | AI 研习社第 78 期大讲堂总结

AI 科技评论按:如何界定 AI 用于医学图像分析时的范畴,设置相关的任务及采用合理的模型方法?医学图像分析中目标检测任务的普遍性,使得开发目标检测集成框架显得...

45030
来自专栏AI科技评论

学界 | 百度Deep Voice作者与Bengio团队探讨五大技术细节,端到端的语音合成还有多远?

androidauthority AI 科技评论消息,今日百度研究院在官网上正式推出了 Deep Voice:实时语音合成神经网络系统(Real-Time Ne...

42690
来自专栏AI科技评论

iPIN 研究员李双印博士独家解析:循环聚焦机制如何与主题模型碰撞火花?

AI 科技评论按:李双印博士目前在香港科技大学攻读博士后,师从香港科技大学计算机系主任杨强教授。他的主要研究方向主要包括数据挖掘、人工智能、文本建模、深度学习,...

399120
来自专栏大数据文摘

怎样找到一份深度学习的工作 | 附学习材料,资源与建议

24140
来自专栏机器之心

专访 | 三角兽首席科学家王宝勋:热度之下的对话生成

机器之心原创 作者:邱陆陆 从 EMNLP 入选论文《Neural Response Generation via GAN with an Approxima...

423110
来自专栏新智元

【专访】MSRA周明团队,NLP铁军“超越人类”技术揭秘

作者:弗朗西斯 【新智元导读】2018年1月3日,微软亚洲研究院的r-net率先在SQuAD EM值达到82.650,这意味着在ExactMatch (精准匹配...

36150
来自专栏新智元

拿下人脸识别“世界杯”冠军!松下-NUS 和美国东北大学实战分享

【新智元导读】被业界称为人脸识别“世界杯”的微软百万名人识别竞赛 MS-Celeb-1M 冠军团队技术分享。Panasonic-NUS 合作团队认为,竞赛最大的...

447100
来自专栏新智元

【更正】微软人工智能首席科学家邓力:深度学习十年简史和人工智能未来展望(33PDF下载)

【新智元导读】微软人工智能首席科学家邓力18日在自动化学会与新智元携手举办的首届 AI WORLD 2016世界人工智能大会 发表主旨演讲《深度学习十年简史和...

359130
来自专栏新智元

软件正在吃掉我们的世界,深度学习也正吃掉机器学习

【新智元导读】人工智能、机器学习、深度学习方面的文章铺天盖地,向人们传播人工智能是改变世界最具竞争力的技术,相关企业应该抓住机会作深入研究,但是人们对于这三个词...

37180

扫码关注云+社区

领取腾讯云代金券