本文介绍了Facebook的Detectron软件包，它由FAIR开发，包含基于ResNet的Faster R-CNN和Mask R-CNN。Detectron建立在Caffe2之上，但Caffe2在工程化方面被认为不如Tensorflow成熟。文章详细阐述了Detectron的安装过程，包括Caffe2和Detectron的源码安装，并给出了测试运行的步骤，强调了配置文件和权重文件的对应以及代码的修改，以避免重新下载权重。
一. Detectron 特征
大名鼎鼎的 FAIR 开发的软件包，可以从【github】了解一下。
个人感觉比较有用的是 基于 ResNet 基础框架的 Faster RCNN和Mask RCNN。
Detectron 基于 Caffe2（貌似被诟病的不轻），就目前阶段来看，caffe2 还有待于完善（pytorch也是一个意思），其工程化程度远不如 Tensorflow。
二. 安装
遵循常规安装方式，尽量通过源码安装，Follow官方安装教程：【install】
注：不要从网上搜安装教程，有些作者自己也未必搞的明白。
可能会遇到一些包未安装的问题，比如 no module named past.builtins ，安装对应包即可：
pip install future --user
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
1334
