基于深度学习的目标检测与识别

FAIR的目标检测研究平台，实现Mask R-CNN，RetinaNet等流行算法。

Detectron是Facebook AI Research的软件系统，实现了最先进的目标检测算法，包括Mask R-CNN。 它是用Python编写的，由Caffe2深度学习框架支持。

在FAIR，Detectron已经启动了许多研究项目，包括：用于物体检测的特征金字塔网络，掩模R-CNN，检测和识别人 - 物相互作用，密集物体检测的焦点损失，非局部神经网络，学习细分每一件事 ，和数据蒸馏：迈向全方位监督学习。

Detectron的目标是为物体检测研究提供高质量，高性能的代码库。 它旨在灵活地支持快速实施和评估新颖的研究。 Detectron包括以下对象检测算法的实现：

• Mask R-CNN – Marr Prize at ICCV 2017
• RetinaNet – Best Student Paper Award at ICCV 2017
• Faster R-CNN
• RPN
• Fast R-CNN
• R-FCN

using the following backbone network architectures:

• ResNeXt{50,101,152}
• ResNet{50,101,152}
• Feature Pyramid Networks (with ResNet/ResNeXt)
• VGG16

安装要求：

 NVIDIA GPU，Linux，Python2
 Caffe2，各种标准的Python包和COCO API; 下面是找到安装这些依赖项的说明

笔记：

 Detectron操作员目前没有CPU的执行; 一个GPU系统是必需的。
 Detectron已经通过CUDA 8.0和cuDNN 6.0.21进行了广泛的测试。