作者|facebookresearch 编译|Flin 来源|Github
部署
Caffe2部署
我们目前支持通过ONNX将detectron2模型转换为Caffe2格式。转换后的Caffe2模型可以在Python或C ++中运行而无需detectron2依赖性。它具有针对CPU和移动设备推理优化的运行时,但不适用于GPU推理。
Caffe2转换需要PyTorch≥1.4和ONNX≥1.6。
覆盖范围
它支持最常见的3元结构:GeneralizedRCNN
,RetinaNet
,PanopticFPN
,几乎在这些3元结构的所有官方正式型号。
只要用户的自定义扩展名不包含Caffe2中不可用的控制流或运算符(例如,可变形卷积),就支持这些体系结构下的用户自定义扩展名(通过注册添加)。例如,通常开箱即用地支持自定义backbones和heads。
用法
转换API记录在API文档中。我们提供了一个工具,tools/caffe2_converter.py作为使用这些API转换标准模型的示例。
要转换经过COCO训练的官方Mask R-CNN,请先准备COCO数据集,地址是:https://github.com/facebookresearch/detectron2/tree/master/datasets
然后从Model Zoo中选择模型,然后运行:
python tools/caffe2_converter.py --config-file configs/COCO-InstanceSegmentation/mask_rcn