Facebook 人工智能實驗室今日宣布開源自己的頂級物體檢測研究平臺 Detectron，為廣大研究人員們未來的新計算機視覺研究課題提供靈活、快速的模型實現和評估途徑。

據 Facebook 介紹，Detectron 項目最初開始于 2016 年 7 月，當時的目的是在 Caffe2 的基礎上建立一個快速、靈活的物體檢測系統，內部開發過程也就從此開始。經過一年半的開發之后，代碼庫已經成熟了，而且其中集成了許多 Facebook 自己的研究項目，包括在 ICCV 2017 上獲得最佳論文獎（馬爾獎）的《Mask R-CNN》和獲得最佳學生論文獎的《檢測密集物體時的焦距損失》兩篇論文中的算法，以及更早更廣泛使用的 R-CNN 算法家族等。這些由 Detectron 在背后支持的算法為實例分割之類的重要計算機視覺任務提供了直觀的模型，也在視覺感知系統這一整個研究社區的研究重點近幾年的飛速發展中起到了重要作用。

除了本來計劃的研究用途之外，也有一些 Facebook 團隊用這個平臺訓練自定義模型，并把它們用在增強現實、社區完整性等各種各樣的任務中。在 Detectron 中訓練完畢的模型可以直接通過高效的 Caffe 2 運行時部署在云服務器和移動設備上。

這次 Facebook 開源 Detectron 也是希望讓他們的研究盡可能開放，并且幫助加速全世界的實驗室的研究進度。在這個版本發布以后，整個研究社區都可以重復 Facebook 論文中的實驗結果，并且可以和 Facebook 人工智能實驗室使用同樣的軟件平臺。據雷鋒網(公眾號：雷鋒網)AI 科技評論了解，Detectron 的 GitHub 項目中還帶有超過 70 個預訓練的基準模型可以用于性能對比。