Detectron2 部署 | 十一

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