Facebook AI Research(FAIR)發(fā)布了Detectron2，這是一個(gè)基于PyTorch的計算機視覺(jué)庫，為流行的框架帶來(lái)了一系列新的研究和生產(chǎn)功能。

自2018年發(fā)布以來(lái)，原始的Detectron對象檢測平臺已成為FAIR最廣泛采用的開(kāi)源項目之一。雖然第一個(gè)Detectron是用Caffe2編寫(xiě)的，但Detectron2代表了PyTorch中從頭開(kāi)始對原始框架的完全重寫(xiě)，并具有一些新的對象檢測功能。

在首次發(fā)布時(shí)，Detron成為AI社區的巨大推動(dòng)力。它使許多人可以快速，輕松地構建最新的對象檢測模型。然而Detectron仍然存在一些局限性，這些局限性很快成為許多AI從業(yè)者的難題。

Detectron2旨在解決這些交易突破問(wèn)題，從而打造了一個(gè)更強大，更現代的圖書(shū)館。來(lái)自FAIR的Detectron2團隊：

我們構建了Detectron2，以滿(mǎn)足Facebook AI的研究需求，并為Facebook生產(chǎn)用例中的對象檢測提供了基礎?，F在，我們正在使用Detectron2快速設計和訓練下一代姿態(tài)檢測模型，這些模型可為Smart Camera(Facebook門(mén)戶(hù)視頻通話(huà)設備中的AI攝像機系統)提供動(dòng)力。通過(guò)將Detectron2用作用于研究和生產(chǎn)用例中對象檢測的統一庫，我們能夠將研究思路迅速轉移到大規模部署的生產(chǎn)模型中。

轉向PyTorch符合AI社區對靈活但易于使用的庫的不斷增長(cháng)的需求和渴望。PyTorch本身在設計上是模塊化的，因此比Caffe2易于擴展。AI社區中的絕大多數已經(jīng)使用了兩個(gè)庫：TensorFlow和PyTorch。

Detectron2已擴展到處理計算機視覺(jué)任務(wù)，而不僅僅是對象檢測，包括語(yǔ)義分割，全景分割，姿勢估計和DensePose。作者已經(jīng)做出了令人矚目的努力，以添加經(jīng)過(guò)訓練的最新模型，例如Cascade R-CNN，Panoptic FPN和TensorMask。

FAIR的團隊在其官方博客文章中暗示，他們計劃向庫中發(fā)布一個(gè)附加組件Detectron2go，以使其更易于將模型部署到生產(chǎn)中。據說(shuō)它包括網(wǎng)絡(luò )量化，模型優(yōu)化和移動(dòng)部署格式設置等功能。