Facebook Mask R-CNN2Go已開源，提供對象檢測、分類、分割和身體姿勢估計

文章相關引用及參考：fb

開源Mask R-CNN2Go

（映維網 2018年12月14日）MLPerf是由谷歌，斯坦福，哈佛和百度等機構組織聯手打造的組織，旨在為衡量機器學習軟體框架，硬體加速器和雲平台的系統級性能建立一套通用行業基準。它為雲端訓練與推理，以及設備邊緣推斷提供了基準。今天，Facebook宣布正式加入MLPerf，並開源Mask R-CNN2Go。

Facebook表示：「我們長期以來都一直支持框架和硬體之間的開源標準和互操作性，通過開放式神經網路交換（ONNX）和PyTorch等項目來推動機器學習的創新。開發行業標準的機器學習模型與基準可以幫助研究人員和工程師更好地評估和展示其工作的影響，而這正是我們支持MLPerf計劃的原因。」

作為這一努力的組成部分，Facebook成立了專門的工作組來識別和應對基準創建的不同方面所出現的挑戰，他們同時開源了Mask R-CNN2Go，一個針對嵌入式和移動設備優化的計算機視覺模型。

Facebook AI Infra研究科學家Carole-Jean Wu是MLPerf Edge Inference工作組的聯合主席。Facebook指出：「與其他行業和學術組織一道，我們將為邊緣推理類別提供基於開源數據集訓練的基準參考實現。對於圖像分類用例，我們將提供最先進的ShuffleNet模型實現。對於姿勢估計用例，我們將提供由Facebook移動視覺研究人員開發的Mask R-CNN2Go模型實現。隨著越來越多的機器學習正發生在邊緣，我們有必要為邊緣推理用例定義代表性的基準，並幫助社區描述設備推理執行的性能瓶頸，同時設計和優化系統，從而實現高效的設備本地推理解決方案。」

開源Mask R-CNN2Go

作為MLPerf貢獻的一部分，Facebook將開源Mask R-CNN2Go，一個針對嵌入式和移動設備優化的領先計算機視覺模型。Mask R-CNN2Go構成了各種設備本地機器學慣用例的基礎：對象檢測，分類，分割和身體姿勢估計，並支持準確與實時的推理。主模型是基於更廣泛的Mask R-CNN框架。顧名思義，MaskRCNN2Go專為移動設備而設計和優化。

延伸閱讀：Facebook用手機實現全身動捕追蹤，準確檢測身體姿勢，從背景分割人像

Mask R-CNN2Go目前運行在Caffe2，並計劃運行在PyTorch 1.0，因為為了給開發者提供從研究到創建的無縫路徑，機器學習框架正繼續增加更多的功能。目前，Facebook正利用Mask R-CNN2Go在移動設備上創建有用和有趣的體驗，如Facebook Camera中的「Control the Rain」增強現實效果中的手部追蹤。

Facebook表示：「我們期待看到社區通過Mask R-CNN2Go開發創意性的人工智慧移動體驗。作為MLPerf基準測試的一部分，Mask R-CNN2Go將幫助我們的社區設計和評估移動與嵌入式設備，並實現最先進的機器學習推理。」

文章《Facebook Mask R-CNN2Go已開源，提供對象檢測、分類、分割和身體姿勢估計》首發於映維網.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！