本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
成都创新互联公司不只是一家网站建设的网络公司;我们对营销、技术、服务都有自己独特见解,公司采取“创意+综合+营销”一体化的方式为您提供更专业的服务!我们经历的每一步也许不一定是最完美的,但每一步都有值得深思的意义。我们珍视每一份信任,关注我们的网站建设、成都网站建设质量和服务品质,在得到用户满意的同时,也能得到同行业的专业认可,能够为行业创新发展助力。未来将继续专注于技术创新,服务升级,满足企业一站式成都全网营销需求,让再小的成都品牌网站建设也能产生价值!
做目标检测、语义分割,你一定听说过Detectron2。
作为一个基于PyTorch实现的模块化目标检测库,Detectron2当年刚一开源,就被推上了GitHub趋势榜第一。
而现在,移动端开发人员们的福利来了。
Facebook官方正式推出Detectron2的移动版:Detectron2Go(D2Go)。
先来看官方介绍:
通过D2Go,开发者可以创建已经针对移动设备进行过优化的FBNet模型,在移动端高效地执行目标检测、语义分割以及关键点估计等任务。
△D2Go人体关键点估计
那么D2Go具体有哪些优势呢?
实际上,移动端的目标检测任务主要关注的有两点:延迟和准确性。
而如果模型能够在边缘设备上独立运行,不用将数据传至云端进行处理,就能大大的减少延迟。
另外,这也进一步保障了终端用户的数据、隐私安全。
Facebook表示,在实验测试中,使用D2Go开发的移动端模型,与基于服务器的模型相比,延迟更低,且准确性损失不大。
首先是安装的部分,需要安装的有:
PyTorch Nightly
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch-nightly
Detectron2
python -m pip install 'git+https://github.com/facebookresearch/detectron2.git'
mobile_cv
python -m pip install 'git+https://github.com/facebookresearch/mobile-vision.git'
D2go
git clone https://github.com/facebookresearch/d2go
cd d2go & python -m pip install .
在D2go的GitHub仓库中,还提供了预训练模型的推理Demo。
从model_zoo中选择一个模型,运行demo.py,就可以进行试玩。
以faster_rcnn_fbnetv3a模型为例:
cd demo/
python demo.py —config-file faster_rcnn_fabnetv3a_C4.yaml —input input1.jpg —output output1.jpg
在训练和评估方面,D2Go本身基于detectron2工具包实现,因此在训练之前,需要按照detectron2的说明设置内置数据集。
而具体如何用预训练模型进行推理、训练一个D2go模型、将模型导出到int8,Facebook也提供了详细的入门示例。
更多详情,不妨戳进文末链接,亲自上手尝试~
开源地址:
https://github.com/facebookresearch/d2go
Facebook博客:
https://ai.facebook.com/blog/d2go-brings-detectron2-to-mobile/
网页名称:可以在手机里运行的Detectron2来了:FB官方出品
网页链接:http://www.mswzjz.cn/qtweb/news11/482911.html
攀枝花网站建设、攀枝花网站运维推广公司-贝锐智能,是专注品牌与效果的网络营销公司;服务项目有等
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 贝锐智能