Mask R-CNN官方实现“又”来了!基于PyTorch,训练速度是原来2倍

  1. 云栖社区>
  2. 机器学习算法与Python学习>
  3. 博客>
  4. 正文

Mask R-CNN官方实现“又”来了!基于PyTorch,训练速度是原来2倍

技术小能手 2018-10-26 13:49:59 浏览929
展开阅读全文

6912367d7cf98c17ca57b27111ffba6807924418

来自官方的Mask R-CNN实现终于“又”来了!PyTorch官方Twitter今天公布了一个名为Mask R-CNN Benchmark的项目。

10个月前Facebook曾发布过名叫Detecron的项目,也是一款图像分割与识别平台,其中也包含Mask R-CNN。不过它是基于Caffe 2深度学习框架编写的。这一次,在Caffe2项目并入PyTorch半年之后,Facebook换上了更受欢迎的PyTorch框架。

除了更改框架,Mask R-CNN Benchmark相比它的“前辈”Detectron,训练速度提高了一倍。

c0db4bcc7561c85bdff0e1daaf8c297beae1d62a

Detecron效果输出图

Mask R-CNN Benchmark是一个完全由PyTorch 1.0写成,快速、模块化的Faster R-CNN和Mask R-CNN组件。该项目旨在让用户更容易地创建一种模块,实现对图片中物品的识别与分割。

负责这一项目的Facebook AI工程师Francisco Massa还在个人Twitter发了张自拍照,并使用新工具对图片中的物品进行了识别,尴尬的是好像有些对象被识别错误:

88ef906e8e474a7dd8f091e536473c0e6f63e2ab

Francisco Massa自拍照

第三方项目

在Facebook官方推出Mask R-CNN Benchmark之前,程序员们一直希望能用更流行的PyTorch取代Caffe 2实现Mask R-CNN,今年7月GitHub上有一名印度小哥完成任务。

42e1fe8c6833348a88706224b226e7c4e292c2ee

另外,商汤和香港中文大学的多媒体实验室也开源了一个类似项目:mmdetection。它支持Faster R-CNNMask R-CNNRetinaNet等等,相比Facebook的Detecron有5%到20%的性能提升。这个模型还在2018年的COCO Detection竞赛中拿下了冠军。

那么今天Facebook发布的Mask R-CNN Benchmark相比前两者有哪些优点呢?

亮点

 ●  PyTorch 1.0编写:RPNFaster R-CNNMask R-CNN均可实现,达到甚至超出Detectron的准确度
 ●  快速:训练速度是Detectron的2倍,比mmdetection高30%
 ●  显存效率更高:大约比mmdetection少使用500MB显存
 ●  支持多GPU训练与推断
 ●  支持以CPU进行推断
 ●  支持图像批处理:可分批分GPU对多图进行推断
 ●  提供预训练模型:针对几乎所有引用Faster RCNN和Mask RCNN的架构

PyTorch官方Twitter转发了该项目,并希望mmdetection等项目都能使用一下。

安装小贴士

使用Mask R-CNN Benchmark需要安装以下组件:

 ●  PyTorch 1.0
 ●  orchvision
 ●  cocoapi
 ●  yacs
 ●  matplotlib

 ●  OpenCV(可选)

R-CNN发展历史

R-CNN是卷积神经网络(CNN)在图像识别领域的应用,Facebook AI研究团队在这条到道路上做出了颇多贡献,其中不得不提一位大神:Ross Girshick。他发明了RCNN,又提出速度更快的Fast R-CNN
2016年,微软研究院提出了Faster R-CNN,降低了在边框搜索上的运算量,进一步提高了算法的速度。
2017年,Facebook AI研究团队又再次提出了Mask R-CNN:通过添加与现有分支并行的对象掩码(object mask)分支,以增强Faster RCNN在边框识别上的性能。


原文发布时间为:2018-10-25

本文作者:晓查

本文来自云栖社区合作伙伴“机器学习算法与Python学习”,了解相关信息可以关注“机器学习算法与Python学习”。

网友评论

登录后评论
0/500
评论
技术小能手
+ 关注