Detectron2专栏开篇
专栏介绍
Detectron是构建在Caffe2和Python之上,实现了10多篇计算机视觉最新的成果。Facebook AI研究院又开源了Detectron的升级版,也就是接下来我们要介绍的:Detectron2。
Detectron2 是 Facebook AI Research 推出的一个CV库,它实现了最新的目标检测算法,是对先前版本 Detectron 的完全重写,号称目标检测三大开源神器之一(Detectron2/mmDetection/SimpleDet)。
与 mmdetection 、TensorFlow Object Detection API一样,Detectron2 也是通过配置文件来设置各种参数,一点点修改到最后进行目标检测。
特性:
- 基于PyTorch:PyTorch可以提供更直观的命令式编程模型,开发者可以更快的进行迭代模型设计和实验。
-
化、可扩展:从Detectron2开始,Facebook引入了化设计,允许用户将自定义插入目标检测系统的几乎任何部分。其可扩展性也使得Detectron2更加灵活。
-
支持语义分割和全景分割。
-
实现质量:从头开始重写推出的Detectron2,解决了原始Detectron中的几个实现问题,比原始Detectron更快。
专栏目录
第一章:入门基础知识讲解
-
安装
- 要求
- 从源代码构建Detectron2
- 安装预建Detectron2
- 常见安装问题
- Detectron2入门
- 预训练模型的推理演示
- 命令行中的训练和评估
- 在代码中使用Detectron2的API
- 扩展Detectron2的默认值
- 使用自定义数据集
- 注册数据集
- 数据集的”元数据”
- 更新新数据集的配置
- 使用自定义数据加载器
- 现有数据加载器的工作方式
- 编写自定义数据加载器
- 使用自定义数据加载器
- 使用模型
- 模型输入格式
- 模型输出格式
- 如何在代码中使用模型
- 部分执行模型
- 写模型
- 训练
- 指标记录
- 评价
- 使用配置
- 使用配置
- 配置最佳实践
- 部署方式
- Caffe2部署
第二章:注意事项
- 基准测试
- 设置
- 主要结果
- 与其他库的兼容性
- 与Detectron(和maskrcnn-benchmark)的兼容性
- 与Caffe2的兼容性
- 与TensorFlow的兼容性
- 为detectron2做贡献
- 问题
- 拉取请求
- 贡献者许可协议(“CLA”)
- 执照
- 变更记录
- 发布
- 向后不兼容的显着变化
- 配置版本更改日志
- 历史版本中的已知错误
第三章:API文档
- detectron2.checkpoint
- detectron2.config
- Config References
- detectron2.data
- detectron2.data.detection_utils
- detectron2.data.datasets
- detectron2.data.samplers
- detectron2.data.transforms
- detectron2.engine
- detectron2.engine.defaults
- detectron2.engine.hooks
- detectron2.evaluation
- detectron2.layers
- detectron2.model_zoo
- detectron2.modeling
- detectron2.modeling.poolers
- detectron2.modeling.sampling
- detectron2.modeling.box_regression
- Model Registries
- detectron2.solver
- detectron2.structures
- detectron2.utils
- detectron2.utils.colormap
- detectron2.utils.comm
- detectron2.utils.events
- detectron2.utils.logger
- detectron2.utils.registry
- detectron2.utils.memory
- detectron2.utils.analysis
- detectron2.utils.visualizer
- detectron2.utils.video_visualizer
- detectron2.export
Detectron2专栏所有文章
http://objectdetection.cn/category/object-detection/detectron2/
未经允许不得转载,请联系zhouas@hotmail.com获取授权:目标检测 » Detectron2 目标检测框架教程专栏开篇