Facebook 開源 CV 開發平台 Detectron，打包支援各種物體辨識演算法

Facebook 人工智慧實驗室 22 日宣布開源自己的頂級物體檢測研究平台 Detectron，為廣大研究人員們未來的新電腦視覺研究課題提供靈活、快速的模型實現和評估途徑。

據 Facebook 介紹，Detectron 計畫最初開始於 2016 年 7 月，當時的目的是在 Caffe2 的基礎上建立一個快速、靈活的物體檢測系統，內部開發過程也就從此開始。經過一年半開發之後，代碼庫已成熟，且其中整合許多 Facebook 自己的研究項目，包括在 ICCV 2017 獲得最佳論文獎（馬爾獎）的《Mask R-CNN》和獲得最佳學生論文獎的《檢測密集物體時的焦距損失》兩篇論文中的演算法，以及更早更廣泛使用的 R-CNN 演算法系列等。這些由 Detectron 背後支援的演算法為實例分割之類的重要電腦視覺任務提供直觀模型，也在視覺感知系統整個研究社群的研究重點近幾年的飛速發展中發揮重要作用。

除了本來計劃的研究用途，也有一些 Facebook 團隊用這個平台訓練自定義模型，並把它們用在擴增實境、社群完整性等各種各樣任務。Detectron 訓練完畢的模型可直接透過高效 Caffe 2 執行時部署在雲端伺服器和行動裝置。

這次 Facebook 開源 Detectron 也是希望讓他們的研究盡可能開放，並幫助加速全世界實驗室的研究進度。這個版本發表以後，整個研究社群都可重複 Facebook 論文的實驗結果，並且可和 Facebook 人工智慧實驗室使用同樣的軟體平台。據了解，Detectron 的 GitHub 項目還有超過 70 個預訓練的基準模型可用於性能對比。