Detectron2是Facebook AI Research的Pytorch目标检测框架，支持单GPU、多GPU和分布式训练，模块化设计便于算法扩展。它涵盖目标检测、分割等多个任务，并提供配置文件系统Lazy Configs，易于工程部署，支持模型导出至多种格式。包括DensePose、DETR等项目基于Detectron2。官方资源丰富，包含代码、文档、教程和视频。
Detectron2
1. 简介
Detectron2是Facebook AI Research(FAIR)推出的基于Pytorch的视觉算法开源框架，主要聚焦于目标检测和分割任务等视觉算法，此外还支持全景分割，关键点检测，旋转框检测等任务。Detectron2继承自Detectron 和mask-rcnn。
Detectron2具有较强的灵活性和可扩展性，支持快速的单GPU训练，多GPU并行训练和多节点分布式训练。
2. 模块化和可扩展性
Detectron2 将常见的算法组件模块化，通过更换不同的组件可实现不同算法组合和算法任务，如不同的backbone：Resnet，Vit，Swin，再通过可选的Proposals得到图像特征，最后接上不同任务的Head，以支持特定的任务。如图中所示的BBox检测，实例分割，关键点检测，Densepose，语义分割，全景分割。
3. 配置文件系统 Lazy Configs
更新的Detectron2采用了非侵入式的配置文件系统，使用起来更为灵活。Config类为key-value形式的字典，可通过python脚本直接得到，该方案相比于传统Yaml配置文件的优点包括：
- 方便通过python操作
- 可以写简单的语法，调用简单的函数
- 使用更多的数据类型
- 通过python import机制方便导入/导出其他的配置文件
示例
# config.py: 配置文件
a = dict
最低0.47元/天 解锁文章
1714
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
