Facebook 人工智能實(shí)驗(yàn)室今日宣布開源自己的頂級(jí)物體檢測(cè)研究平臺(tái) Detectron，為廣大研究人員們未來(lái)的新計(jì)算機(jī)視覺(jué)研究課題提供靈活、快速的模型實(shí)現(xiàn)和評(píng)估途徑。

據(jù) Facebook 介紹，Detectron 項(xiàng)目最初開始于 2016 年 7 月，當(dāng)時(shí)的目的是在 Caffe2 的基礎(chǔ)上建立一個(gè)快速、靈活的物體檢測(cè)系統(tǒng)，內(nèi)部開發(fā)過(guò)程也就從此開始。經(jīng)過(guò)一年半的開發(fā)之后，代碼庫(kù)已經(jīng)成熟了，而且其中集成了許多 Facebook 自己的研究項(xiàng)目，包括在 ICCV 2017 上獲得最佳論文獎(jiǎng)（馬爾獎(jiǎng)）的《Mask R-CNN》和獲得最佳學(xué)生論文獎(jiǎng)的《檢測(cè)密集物體時(shí)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(shí)例分割之類的重要計(jì)算機(jī)視覺(jué)任務(wù)提供了直觀的模型，也在視覺(jué)感知系統(tǒng)這一整個(gè)研究社區(qū)的研究重點(diǎn)近幾年的飛速發(fā)展中起到了重要作用。

除了本來(lái)計(jì)劃的研究用途之外，也有一些 Facebook 團(tuán)隊(duì)用這個(gè)平臺(tái)訓(xùn)練自定義模型，并把它們用在增強(qiáng)現(xiàn)實(shí)、社區(qū)完整性等各種各樣的任務(wù)中。在 Detectron 中訓(xùn)練完畢的模型可以直接通過(guò)高效的 Caffe 2 運(yùn)行時(shí)部署在云服務(wù)器和移動(dòng)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?shí)驗(yàn)室的研究進(jìn)度。在這個(gè)版本發(fā)布以后，整個(gè)研究社區(qū)都可以重復(fù) Facebook 論文中的實(shí)驗(yàn)結(jié)果，并且可以和 Facebook 人工智能實(shí)驗(yàn)室使用同樣的軟件平臺(tái)。據(jù)雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))AI 科技評(píng)論了解，Detectron 的 GitHub 項(xiàng)目中還帶有超過(guò) 70 個(gè)預(yù)訓(xùn)練的基準(zhǔn)模型可以用于性能對(duì)比。