Mask R-CNN官方实现“又”来了！基于PyTorch，训练速度是原来2倍

晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI

来自官方的Mask R-CNN实现终于“又”来了！PyTorch官方Twitter今天公布了一个名为Mask R-CNN Benchmark的项目。

10个月前Facebook曾发布过名叫Detecron的项目，也是一款图像分割与识别平台，其中也包含Mask R-CNN。不过它是基于Caffe 2深度学习框架编写的。这一次，在Caffe2项目并入PyTorch半年之后，Facebook换上了更受欢迎的PyTorch框架。

除了更改框架，Mask R-CNN Benchmark相比它的“前辈”Detectron，训练速度提高了一倍。

△ Detecron效果输出图

Mask R-CNN Benchmark是一个完全由PyTorch 1.0写成，快速、模块化的Faster R-CNN和Mask R-CNN组件。该项目旨在让用户更容易地创建一种模块，实现对图片中物品的识别与分割。

负责这一项目的Facebook AI工程师Francisco Massa还在个人Twitter发了张自拍照，并使用新工具对图片中的物品进行了识别，尴尬的是好像有些对象被识别错误：

△ Francisco Massa自拍照

第三方项目

在Facebook官方推出Mask R-CNN Benchmark之前，程序员们一直希望能用更流行的PyTorch取代Caffe 2实现Mask R-CNN，今年7月GitHub上有一名印度小哥完成任务。

另外，商汤和中国香港中文大学的多媒体实验室也开源了一个类似项目：mmdetection。它支持Faster R-CNN、Mask R-CNN、RetinaNet等等，相比Facebook的Detecron有5%到20%的性能提升。这个模型还在2018年的COCO Detection竞赛中拿下了冠军。

那么今天Facebook发布的Mask R-CNN Benchmark相比前两者有哪些优点呢？

亮点

• PyTorch 1.0编写：RPN、Faster R-CNN和Mask R-CNN均可实现，达到甚至超出Detectron的准确度
• 快速：训练速度是Detectron的2倍，比mmdetection高30%。
• 显存效率更高：大约比mmdetection少使用500MB显存
• 支持多GPU训练与推断
• 支持以CPU进行推断
• 支持图像批处理：可分批分GPU对多图进行推断
• 提供预训练模型：针对几乎所有引用Faster RCNN和Mask RCNN的架构

PyTorch官方Twitter转发了该项目，并希望mmdetection等项目都能使用一下。

安装小贴士

使用Mask R-CNN Benchmark需要安装以下组件：

• PyTorch 1.0
• orchvision
• cocoapi
• yacs
• matplotlib
• OpenCV（可选）

R-CNN发展历史

R-CNN是卷积神经网络（CNN）在图像识别领域的应用，Facebook AI研究团队在这条到道路上做出了颇多贡献，其中不得不提一位大神：Ross Girshick。他发明了RCNN，又提出速度更快的Fast R-CNN。 2016年，微软研究院提出了Faster R-CNN，降低了在边框搜索上的运算量，进一步提高了算法的速度。 2017年，Facebook AI研究团队又再次提出了Mask R-CNN：通过添加与现有分支并行的对象掩码（object mask）分支，以增强Faster RCNN在边框识别上的性能。

传送门

Mask R-CNN Benchmark项目地址： https://github.com/facebookresearch/maskrcnn-benchmark

印度小哥的Mask R-CNN项目地址： https://github.com/wannabeOG/Mask-RCNN

Detecron项目地址： https://github.com/facebookresearch/Detectron

mmdetection项目地址： https://github.com/open-mmlab/mmdetection