如何上手使用 Facebook 的開源平台 Detectron？

AI 研習社將全文編譯如下：

怎樣才能繪製更加清晰的目標對象輪廓？

不久前 FAIR 開源了物體檢測平台 Detectron，任何開發者都能使用 Facebook 用來做物體檢測研究的工具，Detectron 的一項重要功能是對象遮蔽（object masking）。對象遮蔽，不只是在目標的周圍畫上邊框，實際上它可以繪製多邊形。

Detectron 能讓對象遮蔽非常簡單地運行起來：

安裝 Caffe2

第一步是安裝 Caffe2（https://caffe2.ai/）

git clone --recursive https://github.com/caffe2/caffe2.git &&cdcaffe2

make&&cdbuild && sudomakeinstall

python-c"from caffe2.python import core"2>/dev/null &&echo"Success"||echo"Failure"

注意：你得有一塊帶有 CUDA 的 NVIDIA GPU 才能使用 Detectron

安裝 COCO API

git clone https://github.com/cocodataset/cocoapi.git

cdcocoapi/PythonAPI

makeinstall

Clone Repo

成功安裝 Caffe2 後，Clone Detectron 的 repo。

git clone https://github.com/facebookresearch/Detectron.git &&cdDetectron

安裝需要的軟體

pip install

numpy

pyyaml

matplotlib

opencv-python>=3.0

setuptools

Cython

mock

scipy

構建 python 模塊

cdlib &&make&&cd..

執行以下指令在在 Demo 圖像上運行對象遮蔽

python tools/infer_simple.py

--cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml

--output-dir demo/output

--image-ext jpg

--wts

https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl

demo

在 Detectron/demo/output 目錄下找到 PDF 輸出文件。

下面是我用的一些測試用例，它們大部分都運行得很好。

和以前一樣（https://hackernoon.com/capsule-networks-are-shaking-up-ai-heres-how-to-use-them-c233a0971952），卡戴珊姐妹再次向 AI 發起了挑戰。

注意：如果你想測試自己的圖片，只需要 JPG 文件添加到 Detectron / demo 目錄下，為保證圖片質量，圖像像素最好在 600px - 800px 左右。

最後的一點想法

這個模型對普通對象的遮蔽（masking）效果非常好，不過有的開發者會需要更多的實例來學習，我會在後續的教程中教你如何構建自己的對象遮蔽模型。

NLP 工程師入門實踐班：基於深度學習的自然語言處理

三大模塊，五大應用，手把手快速入門 NLP

海外博士講師，豐富項目經驗

演算法 + 實踐，搭配典型行業應用

隨到隨學，專業社群，講師在線答疑

新人福利

關注 AI 研習社（okweiwu），回復1領取

【超過 1000G 神經網路 / AI / 大數據，教程，論文】

TensorFlow 實現神經網路入門篇

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！