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

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-CNNMask R-CNNRetinaNet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:RPNFaster R-CNNMask 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

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181026B0NWJ700?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