大新闻!Facebook 开源了 Python 实现的物体检测研究平台 Detectron
2018-01-25 00:00
1016 查看
(点击上方公众号,可快速关注)
编译:技术最前线(TopITnews)
【导读】:近日 Facebook 开源了自家的物体检测研究平台 Detectron。Detectron 是 Facebook AI 研究的软件系统,实现了最先进的物体检测算法,包括 Mask R-CNN。Detectron 用 Python 编写实现,并由深度学习框架 Caffe2 驱动。
由 Detectron 驱动的算法,为重要计算机视觉任务(比如实例分割)提供了直观的模型,并且在近年来我们社区视觉感知系统所取得的空前进步的中发挥了关键作用。
除了研究,许多 Facebook 团队使用 Detectron 平台来培训各种应用的定制模型,包括增强现实和社区完整性。 一旦接受培训,这些模型可以部署在云端和移动设备上。
GitHub 主页:https://github.com/facebookresearch/Detectron
Detectron 遵循 Apache 2.0 协议。同时也发布了广泛性能基准,可用于 70 多种预训练模型。
看完本文有收获?请转发分享给更多人关注「Python开发者」,提升Python技能
编译:技术最前线(TopITnews)
【导读】:近日 Facebook 开源了自家的物体检测研究平台 Detectron。Detectron 是 Facebook AI 研究的软件系统,实现了最先进的物体检测算法,包括 Mask R-CNN。Detectron 用 Python 编写实现,并由深度学习框架 Caffe2 驱动。
Detectron 的由来
2016 年 7 月,Detectron 项目正式启动,旨在创建一个基于 Caffe2 的快速灵活的物体检测系统,当时处于早期 alpha 开发。经过一年半的发展,Detectron 已成熟,并支持很多内部项目,比如:Mask R-CNN 和 Focal Loss for Dense Object Detection。这 2 个项目分别拿到了 ICCV 2017 的 Marr Prize 和 Best Student Paper 奖。由 Detectron 驱动的算法,为重要计算机视觉任务(比如实例分割)提供了直观的模型,并且在近年来我们社区视觉感知系统所取得的空前进步的中发挥了关键作用。
除了研究,许多 Facebook 团队使用 Detectron 平台来培训各种应用的定制模型,包括增强现实和社区完整性。 一旦接受培训,这些模型可以部署在云端和移动设备上。
开源目的
我们开源 Detectron 的目标,是让我们的研究尽可能开放,并加速在全球实验室的研究。 随着 Detectron 的发布,研究界将能够重现我们的结果,并且能和我们 FAIR 团队每天使用的相同软件平台。GitHub 主页:https://github.com/facebookresearch/Detectron
Detectron 遵循 Apache 2.0 协议。同时也发布了广泛性能基准,可用于 70 多种预训练模型。
看完本文有收获?请转发分享给更多人关注「Python开发者」,提升Python技能
相关文章推荐
- 大新闻!Facebook 开源了物体检测研究平台 Detectron
- 快讯 | Facebook开源物体识别工具Detectron,加速计算机视觉研究
- Detectron系统实现了最先进的物体检测算法https://github.com/facebookresearch/Detectron
- Detectron系统实现了最先进的物体检测算法https://github.com/facebookresearch/Detectron
- Mask R-CNN 源代码终上线,Facebook 开源目标检测平台—Detectron
- Facebook开源计算机视觉目标检测平台Detectron
- 【Python+OpenCV】实现检测场景内是否有物体移动,并进行人脸检测抓拍
- Facebook Detectron物体检测研究平台实践
- 【Android安全研究笔记】基于行为模式的Android平台入侵检测系统的设计与实现
- Facebook开源AI对话研究平台ParlAI ,解决人机对话最常见5类问题
- Facebook开源检测工具包 Detectron (by Caffe2)
- 深度学习之物体检测——YOLO(二)_用作者提供的YOLO实现进行检测
- Caffe2 - (十九) 基于 Detectron 的 DeepFashion 服装 bbox 检测实现
- Python检测生僻字的实现方法
- 实践项目五:python调用百度API实现自动检测翻译
- 利用python的双向队列(Deque)数据结构实现回文检测的算法
- 最近在研究enigma2的代码,那叫个庞大,C/C++写中间件,上层应用全部用python实现,可以学习一下plugin的实现机制了.
- 使用开源Grid平台-GridGain实现网格计算
- 使用opencv3+python实现视频运动目标检测
- 使用Python和OpenCV检测图像中的物体并将物体裁剪下来