#暑期创作大赛#

Detectron2 是 Facebook AI Research 的下一代库，提供最先进的检测和分割算法。它是Detectron 和maskrcnn-benchmark的后继者 。它支持 Facebook 中的许多计算机视觉研究项目和生产应用。

了解有关 Detectron2 的更多信息

什么是新的

• 包括全景分割、Densepose、Cascade R-CNN、旋转边界框、PointRend、DeepLab、ViTDet、MViTv2 等新功能。
• 用作图书馆以支持在其之上构建研究项目。
• 模型可以导出为 TorchScript 格式或 Caffe2 格式以进行部署。
• 它训练得更快。

安装

要求

• Linux 或 macOS，Python ≥ 3.7
• PyTorch ≥ 1.8 且torchvision与 PyTorch 安装相匹配。在pytorch.org将它们安装在一起以确保这一点
• OpenCV 是可选的，但演示和可视化需要

从源代码构建 Detectron2

需要 gcc 和 g++ ≥ 5.4。ninja是可选的，但推荐用于更快的构建。获得它们后，运行：

python -m pip install 'git+https://github.com/facebookresearch/detectron2.git'
# (add --user if you don't have permission)

# Or, to install it from a local clone:
git clone https://github.com/facebookresearch/detectron2.git
python -m pip install -e detectron2

# On macOS, you may need to prepend the above commands with a few environment variables:
CC=clang CXX=clang++ ARCHFLAGS="-arch x86_64" python -m pip install ...

要重建从本地克隆构建的 detectorron2，请首先使用rm -rf build/ **/*.so清理旧版本。重新安装 PyTorch 后，您经常需要重建 detectorron2。

注意：

1. 预构建的包必须与相应版本的 CUDA 和 PyTorch 官方包一起使用。否则，请从源代码构建 detectorron2。
2. 每隔几个月就会发布新的软件包。因此，软件包可能不包含主分支中的最新功能，并且可能与使用 detectorron2 的研究项目的主分支不兼容（例如项目中的那些）。

特定环境下的安装：

• Colab：请参阅我们的Colab 教程 ，其中包含分步说明。【参考：https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5】
• Docker：官方Dockerfile使用一些简单的命令安装 detectorron2

引用 Detectron2

如果您在研究中使用 Detectron2 或希望参考Model Zoo中发布的基线结果，请使用以下 BibTeX 条目。

@misc{wu2019detectron2,
  author =       {Yuxin Wu and Alexander Kirillov and Francisco Massa and
                  Wan-Yen Lo and Ross Girshick},
  title =        {Detectron2},
  howpublished = {\url{https://github.com/facebookresearch/detectron2}},
  year =         {2019}
}

项目地址：
https://github.com/facebookresearch/detectron2