facebookresearch/detectron2

Detectron2 是 Facebook AI Research 的下一代库， 提供最先进的检测和分割算法。 它是 [Detectron](https://github.com/facebookresearch/Detectron/) 和 [maskrcnn-benchmark](https://github.com/facebookresearch/maskrcnn-benchmark/) 的继任者。 它支持 Facebook 中的许多计算机视觉研究项目和实际生产应用。
## 了解更多关于 Detectron2 的信息 * 包含多项新功能，例如全景分割、Densepose、Cascade R-CNN、旋转边界框、PointRend、 DeepLab、ViTDet、MViTv2 等。 * 用作库，以支持在其基础上构建[研究项目](projects/)。 * 模型可以导出为 TorchScript 格式或 Caffe2 格式以便部署。 * [训练速度快得多](https://detectron2.readthedocs.io/notes/benchmarks.html)。 请参阅我们的[博文](https://ai.meta.com/blog/-detectron2-a-pytorch-based-modular-object-detection-library-/) 以查看更多演示。 请参阅此[访谈](https://ai.meta.com/blog/detectron-everingham-prize/)以了解有关 detectron2 背后的更多故事。 ## 安装 请参阅[安装说明](https://detectron2.readthedocs.io/tutorials/install.html)。 ## 入门指南 请参阅 [Detectron2 入门指南](https://detectron2.readthedocs.io/tutorials/getting_started.html)， 以及 [Colab Notebook](https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5) 来了解基本用法。 请访问我们的[文档](https://detectron2.readthedocs.org)了解更多信息。 另外，请参阅 [projects/](projects/) 以查看一些基于 detectron2 构建的项目。 ## 模型库与基线 我们在 [Detectron2 Model Zoo](MODEL_ZOO.md) 中提供了大量可供下载的基线结果和预训练模型。 ## 许可证 Detectron2 基于 [Apache 2.0 许可证](LICENSE) 发布。 ## 引用 Detectron2 如果您在研究中使用 Detectron2，或希望引用 [Model Zoo](MODEL_ZOO.md) 中发布的基线结果，请使用以下 BibTeX 条目。 ``` @misc{wu2019detectron2, author = {Yuxin Wu and Alexander Kirillov and Francisco Massa and Wan-Yen Lo and Ross Girshick}, title = {Detectron2}, howpublished = {\url{https://github.com/facebookresearch/detectron2}}, year = {2019} } ```

标签：Apex, Caffe2, DeepLab, Densepose, Detectron2, FAIR, Mask R-CNN, MViT, PyTorch, R-CNN, TorchScript, Vectored Exception Handling, ViTDet, 人工智能, 全景分割, 凭据扫描, 图像分割, 图像识别, 实例分割, 工具库, 开源库, 搜索引擎爬虫, 机器学习, 模型训练, 模型部署, 深度学习, 用户模式Hook绕过, 目标检测, 算法库, 视觉算法, 计算机视觉, 逆向工具