【新开源报道 42】重磅：Facebook开源自家 AR 核心技术，能快速识别影片中的物体

开源最前线（ID：OpenSourceTop） 猿妹整编

综合自：GitHub、ithome research等

今天，Facebook AI 研究院（FAIR）于 23 日开源由 Python 语言编写的基于深度学习框架 Caffe2 的物体识别框Detectron。

目标识别平台 Detectron

授权协议：Apache 2.0

开发语言：Python

操作系统：跨平台

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

Detectron 简介

Detectron 是 Facebook AI 研究院（FAIR ）开源的软件系统，Detectron 目前已经支持很多研究项目的实现，包括：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, and Data Distillation: Towards Omni-Supervised Learning.

Detectron项目于2016年7月启动，目标是创建一个基于Caffe2的快速灵活的物体检测系统，该系统当时处于alpha开发阶段。经过一年半的发展，Detectron已经成熟并支持了大量的内部项目，其中包括Mask R-CNN和Focal Loss for Dense Object Detection，它们分别在2017年ICCV获得Marr奖和Best Student Paper奖，这些由 Detectron 支持的算法为重要的计算机视觉任务（例如实例分割（Instance segmentation)）提供了直观的模型，除此之外，Detectron对于一些视觉感知系统也起到了关键性作用

在Facebook AI研究院内部，Detectron已经用在多个项目中，许多Facebook团队使用这个平台来培训各种应用的定制模型，包括AR和社区完整性。一旦接受训练，这些模型可以部署在云端和移动设备上，由高效Caffe2运行时提供支持。

Facebook表示开源的目的是为了让我们的研究尽可能开放，并促进全球实验室的研究。随着它的发布更新，业界将能够重现我们的研究成果，并能够使用FAIR相同的软件平台。

同时，Facebook还为70多个预先训练的模型发布了广泛的性能基线，这些模型都可以从我们的模型库下载。

如何安装Detectron

详细安装信息，请参考：https://github.com/facebookresearch/Detectron/blob/master/INSTALL.md

版本要求：

1.NVIDIA GPU, Linux, Python2

2.Caffe2（请确已将Caffe2升级至支持Detectron模块的版本）和 COCO API

注意：

● Detectron目前没有CPU执行，因此需要一个GPU系统。

● Detectron已经通过CUDA 8.0和cuDNN 6.0.21的测试。

附：新开源报道汇总

---

●本文编号148，以后想阅读这篇文章直接输入148即可

●输入m获取文章目录

↓↓↓ 点击"阅读原文" 进入GitHub详情页