FAIR的目标检测研究平台,实现Mask R-CNN,RetinaNet等流行算法。
Detectron是Facebook AI Research的软件系统,实现了最先进的目标检测算法,包括Mask R-CNN。 它是用Python编写的,由Caffe2深度学习框架支持。
在FAIR,Detectron已经启动了许多研究项目,包括:用于物体检测的特征金字塔网络,掩模R-CNN,检测和识别人 - 物相互作用,密集物体检测的焦点损失,非局部神经网络,学习细分每一件事 ,和数据蒸馏:迈向全方位监督学习。
Detectron的目标是为物体检测研究提供高质量,高性能的代码库。 它旨在灵活地支持快速实施和评估新颖的研究。 Detectron包括以下对象检测算法的实现:
- Mask R-CNN – Marr Prize at ICCV 2017
- RetinaNet – Best Student Paper Award at ICCV 2017
- Faster R-CNN
- RPN
- Fast R-CNN
- R-FCN
using the following backbone network architectures:
- ResNeXt{50,101,152}
- ResNet{50,101,152}
- Feature Pyramid Networks (with ResNet/ResNeXt)
- VGG16
安装要求:
NVIDIA GPU,Linux,Python2
Caffe2,各种标准的Python包和COCO API; 下面是找到安装这些依赖项的说明
笔记:
Detectron操作员目前没有CPU的执行; 一个GPU系统是必需的。
Detectron已经通过CUDA 8.0和cuDNN 6.0.21进行了广泛的测试。