资源 pytorch实现mask-rcnn

发自:凹非寺

作者:伊瓢

编译:量子位、小事

FACEBOOK人工智能实验室何凯明博士领衔的Mask R-CNN喜提ICCV 2017最佳论文后,吸引了大量业内研究者的兴趣。

10个月后,FAIR官方公布了源代码,以及基于Caffe 2的开源物体检测平台Detectron。

但是,再好的“黑科技”也有人吐槽啊,比如,MIT的周博磊博士就曾经在知乎爆料,FAIR的实习生们对不常使用的Caffe 2一直叫苦不迭;

还有人翘首以盼官方PyTorch版本;

还有人想起TensorFlow成熟的可视化工具和文档,看着Caffe 2就开始思考人生……

“Caffe 2,从安装到放弃……”

还好最近,量子位发现有人做出了Mask R-CNN的PyTorch版本:

开源代码的贡献者是印度理工学院的小哥哥Sai Himal Allu:

Mask R-CNN

不过说到这里,还是需要先介绍一下前面提到的目标检测大杀器Mask R-CNN。

Mask R-CNN可以说是从目标检测领域R-CNN系列的四代目了,FACEBOOK人工智能实验室(FAIR)团队以何凯明(Kaiming He)和Ross Girshick(RBG)为首的一众目标检测大佬不断更迭了许多个版本:

R-CNN:对每个候选区域进行特征提取,能提升一定的效率;

Fast R-CNN:一张图像上使用一次AlexNet,然后再得到不同区域的特征的新方法,比R-CNN快了200多倍;

Faster R-CNN:Fast R-CNN的升级版,训练时间和测试时间缩短十倍;

Mask R-CNN:像素级目标检测,不仅给出其边界框,并且对边界框内的各个像素是否属于该物体进行标记。

Mask R-CNN在MS COCO测试集的实例分割、边界框对象检测、以及人体关键点检测三项任务上,都取得了顶尖的成绩。

它的单模型边界框(bounding box)检测成绩,比上一代——Fatser-RCNN与ResNet-101和FPN结合所取得的,还要高3.6个百分点。

于是,Mask R-CNN一经推出,广受好评。

传送门全家桶

GitHub: A PyTorch implementation of the architecture of Mask RCNN, serves as an introduction to working with PyTorch

https://github.com/wannabeOG/Mask-RCNN

Mask R-CNN:

https://arxiv.org/abs/1703.06870

Detectron:

https://github.com/facebookresearch/Detectron

为您推荐

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180726B0A8IO00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券