雷鋒網(wǎng) AI 科技評論消息，F(xiàn)acebook 人工智能實驗室今日宣布開源自己的頂級物體檢測研究平臺 Detectron，為廣大研究人員們未來的新計算機視覺研究課題提供靈活、快速的模型實現(xiàn)和評估途徑。

據(jù) Facebook 介紹，Detectron 項目最初開始于 2016 年 7 月，當時的目的是在 Caffe2 的基礎(chǔ)上建立一個快速、靈活的物體檢測系統(tǒng)，內(nèi)部開發(fā)過程也就從此開始。經(jīng)過一年半的開發(fā)之后，代碼庫已經(jīng)成熟了，而且其中集成了許多 Facebook 自己的研究項目，包括在 ICCV 2017 上獲得最佳論文獎（馬爾獎）的《Mask R-CNN》和獲得最佳學生論文獎的《檢測密集物體時的焦距損失》兩篇論文中的算法，以及更早更廣泛使用的 R-CNN 算法家族等。這些由 Detectron 在背后支持的算法為實例分割之類的重要計算機視覺任務(wù)提供了直觀的模型，也在視覺感知系統(tǒng)這一整個研究社區(qū)的研究重點近幾年的飛速發(fā)展中起到了重要作用。

除了本來計劃的研究用途之外，也有一些 Facebook 團隊用這個平臺訓練自定義模型，并把它們用在增強現(xiàn)實、社區(qū)完整性等各種各樣的任務(wù)中。在 Detectron 中訓練完畢的模型可以直接通過高效的 Caffe 2 運行時部署在云服務(wù)器和移動設(shè)備上。

這次 Facebook 開源 Detectron 也是希望讓他們的研究盡可能開放，并且?guī)椭铀偃澜绲膶嶒炇业难芯窟M度。在這個版本發(fā)布以后，整個研究社區(qū)都可以重復 Facebook 論文中的實驗結(jié)果，并且可以和 Facebook 人工智能實驗室使用同樣的軟件平臺。據(jù)雷鋒網(wǎng) AI 科技評論了解，Detectron 的 GitHub 項目中還帶有超過 70 個預訓練的基準模型可以用于性能對比。

GitHub 地址：https://github.com/facebookresearch/Detectron 

via Facebook Research，雷鋒網(wǎng) AI 科技評論編譯

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。