如何上手使用 Facebook 的开源平台 Detectron？
不久前，Facebook 开源了用于物体识别的 CV 开发平台 Detectron，为广大研究人员们未来的新计算机视觉研究课题提供灵活、快速的模型实现和评估途径，对于 Detectron 的开源，雷锋网曾做过报道：Facebook 开源 CV 开发平台 Detectron，打包支持各种物体识别算法。IBM Watson 的计算机视觉工程师 Nick Bourdakos 发表了一篇 Detectron 入门教程，原文链接如下：https://hackernoon.com/how-to-use-detectron-facebooks-free-platform-for-object-detection-9d41e170bbcb
AI 研习社将全文编译如下：
怎样才能绘制更加清晰的目标对象轮廓？
不久前 FAIR 开源了物体检测平台 Detectron，任何开发者都能使用 Facebook 用来做物体检测研究的工具，Detectron 的一项重要功能是对象遮蔽（object masking）。对象遮蔽，不只是在目标的周围画上边框，实际上它可以绘制多边形。
Detectron 能让对象遮蔽非常简单地运行起来：
安装 Caffe2
第一步是安装 Caffe2（https://caffe2.ai/）
git clone --recursive https://github.com/caffe2/caffe2.git && cd caffe2
make && cd build && sudo make install
python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"
注意：你得有一块带有 CUDA 的 NVIDIA GPU 才能使用 Detectron
安装 COCO API
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
make install
Clone Repo
成功安装 Caffe2 后，Clone Detectron 的 repo。
git clone https://github.com/facebookresearch/Detectron.git && cd Detectron
安装需要的软件
pip install \
numpy \
pyyaml \
matplotlib \
opencv-python>=3.0 \
setuptools \
Cython \
mock \
scipy
构建 python 模块
cd lib && make && cd ..
执行以下指令在在 Demo 图像上运行对象遮蔽
python tools/infer_simple.py \
--cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml \
--output-dir demo/output \
--image-ext jpg \
--wts \
https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl \
demo
在 Detectron/demo/output 目录下找到 PDF 输出文件。
下面是我用的一些测试用例，它们大部分都运行得很好。
和以前一样（https://hackernoon.com/capsule-networks-are-shaking-up-ai-heres-how-to-use-them-c233a0971952），卡戴珊姐妹再次向 AI 发起了挑战。
注意：如果你想测试自己的图片，只需要 JPG 文件添加到 Detectron / demo 目录下，为保证图片质量，图像像素最好在 600px - 800px 左右。
最后的一点想法
这个模型对普通对象的遮蔽（masking）效果非常好，不过有的开发者会需要更多的实例来学习，我会在后续的教程中教你如何构建自己的对象遮蔽模型。
NLP 工程师入门实践班：基于深度学习的自然语言处理
三大模块，五大应用，手把手快速入门 NLP
海外博士讲师，丰富项目经验
算法 + 实践，搭配典型行业应用
随到随学，专业社群，讲师在线答疑
▼▼▼
新人福利
关注 AI 研习社（okweiwu），回复 1 领取
【超过 1000G 神经网络 / AI / 大数据，教程，论文】
TensorFlow 实现神经网络入门篇
▼▼▼