FacebookAIResearch最近开源了Detectron，这是一个基于深度学习框架Caffe2用Python编写的物体识别框架。它包含几个重要和流行的目标检测算法，Detectron可以根据计算机视觉任务自动生成合适的模型。Facebook在去年的F8大会上展示了AR/VR应用，特别展示了多种在生活场景中叠加图片的AR技术。如今，开源的目标检测框架Detectron可以快速识别视频或图片中物体的形状或边缘，方便图像的叠加。Detectron项目于2016年7月启动，当时的目标是在深度学习框架Caffe2上打造快速灵活的目标检测系统，后期进入预览开发阶段。在过去一年半的时间里，Detectron已经成熟，可以支持FAIR的大部分项目，包括MaskR-CNN，FocalLossforDenseObjectDetection，分别获得2017年ICCV的MarrAward和***StudentPaperAward.Detectron支持的这些算法为实例分割（Instancesegmentation）等重要的计算机视觉任务提供了直观的模型。另外，Detectron对于一些视觉感知系统也会有很大的帮助。在Facebook人工智能研究所，Detectron已被用于多个项目，例如用于对象检测的特征金字塔网络、MaskR-CNN、检测和识别人与对象的交互、用于密集对象检测的焦点损失、非局部神经网络、学习分割每一件事和数据蒸馏：迈向全监督学习。FacebookAI研究院开源Detectron的目的是让FAIR的研究成果能够与大家共享，加速全球范围内的研究成果。除了研究，Facebook团队还使用Detectron为不同的重要应用程序训练定制模型。模型训练完成后，可以通过轻量级、模块化的Caffe2部署到云端和移动端。Facebook期望Detectron能够帮助开发下一代物体检测技术。此外，RossGirshick表示，Facebook人工智能研究院还在ModelZoo中发布了70多个使用Detectron训练的模型，供开发者下载并创建自己的目标检测系统。
