facebookresearch/Detectron

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

Detectron

Detectron是Facebook AI Research的软件系统,它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,并由caffe2深度学习框架提供支持。
在FAIR,Detectron使得许多研究项目,包括:Feature Pyramid Networks for Object Detection, Mask R-CNN, Detecting and Recognizing Human-Object Interactions, Focal Loss for Dense Object Detection, Non-local Neural Networks, Learning to Segment Every Thing, Data Distillation: Towards Omni-Supervised Learning, DensePose: Dense Human Pose Estimation In The Wild, and Group Normalization.

介绍

Detectron的目标是为目标检测研究提供高质量、高性能的代码基。它的设计是灵活的,以支持新研究的快速实施和评估。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

使用以下骨干网络架构:

  • ResNeXt{50,101,152}
  • ResNet{50,101,152}
  • Feature Pyramid Networks (with ResNet/ResNeXt)
  • VGG16

额外的骨干架构可以很容易地实现。有关这些模型的详细信息,请参阅下面的参考资料。

动物园和基线模型我们提供了大量的基线结果和经过训练的模型,可在Detectron模型动物园下载。
安装

请在INSTALL.md中找到caffe2和Detectron的安装说明。
快速入门:使用Detectron

安装后,请参阅GETTING_STARTED。md的简短教程涵盖推理和培训与Detectron。
得到帮助

首先,请查阅我们的安装说明和常见问题解答部分。如果您在那里找不到帮助,请尝试搜索我们的GitHub问题。我们希望问题页面成为社区共同解决问题的论坛。
如果发现了bug,我们会感谢pull request(包括在FAQ中添加Q&A)。改进我们的安装说明和故障排除文件)。请参阅贡献。更多信息请访问Detectron。

facebookresearch/Detectron_第1张图片

你可能感兴趣的:(深度学习)