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

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

在首次發(fā)布時(shí)，Detron成為AI社區(qū)的巨大推動(dòng)力。它使許多人可以快速，輕松地構(gòu)建最新的對(duì)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題，從而打造了一個(gè)更強(qiáng)大，更現(xiàn)代的圖書館。來自FAIR的Detectron2團(tuán)隊(duì)：

我們構(gòu)建了Detectron2，以滿足Facebook AI的研究需求，并為Facebook生產(chǎn)用例中的對(duì)象檢測提供了基礎(chǔ)。現(xiàn)在，我們正在使用Detectron2快速設(shè)計(jì)和訓(xùn)練下一代姿態(tài)檢測模型，這些模型可為Smart Camera(Facebook門戶視頻通話設(shè)備中的AI攝像機(jī)系統(tǒng))提供動(dòng)力。通過將Detectron2用作用于研究和生產(chǎn)用例中對(duì)象檢測的統(tǒng)一庫，我們能夠?qū)⒀芯克悸费杆俎D(zhuǎn)移到大規(guī)模部署的生產(chǎn)模型中。

轉(zhuǎn)向PyTorch符合AI社區(qū)對(duì)靈活但易于使用的庫的不斷增長的需求和渴望。PyTorch本身在設(shè)計(jì)上是模塊化的，因此比Caffe2易于擴(kuò)展。AI社區(qū)中的絕大多數(shù)已經(jīng)使用了兩個(gè)庫：TensorFlow和PyTorch。

Detectron2已擴(kuò)展到處理計(jì)算機(jī)視覺任務(wù)，而不僅僅是對(duì)象檢測，包括語義分割，全景分割，姿勢估計(jì)和DensePose。作者已經(jīng)做出了令人矚目的努力，以添加經(jīng)過訓(xùn)練的最新模型，例如Cascade R-CNN，Panoptic FPN和TensorMask。

FAIR的團(tuán)隊(duì)在其官方博客文章中暗示，他們計(jì)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(jù)說它包括網(wǎng)絡(luò)量化，模型優(yōu)化和移動(dòng)部署格式設(shè)置等功能。