Facebook 人工智能实验室 22 日宣布开源自己的顶级物体检测研究平台 Detectron，为广大研究人员们未来的新电脑视觉研究课题提供灵活、快速的模型实现和评估途径。
据 Facebook 介绍，Detectron 计划最初开始于 2016 年 7 月，当时的目的是在 Caffe2 的基础上建立一个快速、灵活的物体检测系统，内部开发过程也就从此开始。经过一年半开发之后，代码库已成熟，且其中整合许多 Facebook 自己的研究项目，包括在 ICCV 2017 获得最佳论文奖（马尔奖）的《Mask R-CNN》和获得最佳学生论文奖的《检测密集物体时的焦距损失》两篇论文中的算法，以及更早更广泛使用的 R-CNN 算法系列等。这些由 Detectron 背后支援的算法为实例分割之类的重要电脑视觉任务提供直观模型，也在视觉感知系统整个研究社群的研究重点近几年的飞速发展中发挥重要作用。
除了本来计划的研究用途，也有一些 Facebook 团队用这个平台训练自定义模型，并把它们用在扩增实境、社群完整性等各种各样任务。Detectron 训练完毕的模型可直接透过高效 Caffe 2 执行时部署在云端服务器和行动装置。
这次 Facebook 开源 Detectron 也是希望让他们的研究尽可能开放，并帮助加速全世界实验室的研究进度。这个版本发表以后，整个研究社群都可重复 Facebook 论文的实验结果，并且可和 Facebook 人工智能实验室使用同样的软件平台。据了解，Detectron 的 GitHub 项目还有超过 70 个预训练的基准模型可用于性能对比。
- Facebook open sources Detectron
（本文由 雷锋网 授权转载；首图来源：Facebook）
