Mask R-CNN官方實現「又」來了!基於PyTorch,訓練速度是原來2倍

曉查 發自 凹非寺量子位 報導 | 公眾號 QbitAI

來自官方的Mask R-CNN實現終於「又」來了！PyTorch官方Twitter今天公布了一個名為Mask R-CNN Benchmark的項目。

10個月前Facebook曾發布過名叫Detecron的項目，也是一款圖像分割與識別平臺，其中也包含Mask R-CNN。不過它是基於Caffe 2深度學習框架編寫的。這一次，在Caffe2項目併入PyTorch半年之後，Facebook換上了更受歡迎的PyTorch框架。

除了更改框架，Mask R-CNN Benchmark相比它的「前輩」Detectron，訓練速度提高了一倍。

Detectron效果輸出圖

Mask R-CNN Benchmark是一個完全由PyTorch 1.0寫成，快速、模塊化的Faster R-CNN和Mask R-CNN組件。該項目旨在讓用戶更容易地創建一種模塊，實現對圖片中物品的識別與分割。

負責這一項目的Facebook AI工程師Francisco Massa還在個人Twitter發了張自拍照，並使用新工具對圖片中的物品進行了識別，尷尬的是好像有些對象被識別錯誤：

Francisco Massa自拍照

第三方項目

在Facebook官方推出Mask R-CNN Benchmark之前，程式設計師們一直希望能用更流行的PyTorch取代Caffe 2實現Mask R-CNN，今年7月GitHub上有一名印度小哥完成任務。

另外，商湯和香港中文大學的多媒體實驗室也開源了一個類似項目：mmdetection。它支持Faster R-CNN、Mask R-CNN、RetinaNet等等，相比Facebook的Detecron有5%到20%的性能提升。這個模型還在2018年的COCO Detection競賽中拿下了冠軍。

那麼今天Facebook發布的Mask R-CNN Benchmark相比前兩者有哪些優點呢？

亮點

PyTorch 1.0編寫：RPN、Faster R-CNN和Mask R-CNN均可實現，達到甚至超出Detectron的準確度快速：訓練速度是Detectron的2倍，比mmdetection高30%。顯存效率更高：大約比mmdetection少使用500MB顯存支持多GPU訓練與推斷支持以CPU進行推斷支持圖像批處理：可分批分GPU對多圖進行推斷提供預訓練模型：針對幾乎所有引用Faster RCNN和Mask RCNN的架構PyTorch官方Twitter轉發了該項目，並希望mmdetection等項目都能使用一下。

安裝小貼士

使用Mask R-CNN Benchmark需要安裝以下組件：

PyTorch 1.0orchvisioncocoapiyacsmatplotlibOpenCV（可選）R-CNN發展歷史

R-CNN是卷積神經網絡（CNN）在圖像識別領域的應用，Facebook AI研究團隊在這條到道路上做出了頗多貢獻，其中不得不提一位大神：Ross Girshick。他發明了RCNN，又提出速度更快的Fast R-CNN。2016年，微軟研究院提出了Faster R-CNN，降低了在邊框搜索上的運算量，進一步提高了算法的速度。2017年，Facebook AI研究團隊又再次提出了Mask R-CNN：通過添加與現有分支並行的對象掩碼（object mask）分支，以增強Faster RCNN在邊框識別上的性能。

傳送門

Mask R-CNN Benchmark項目地址：https://github.com/facebookresearch/maskrcnn-benchmark

印度小哥的Mask R-CNN項目地址：https://github.com/wannabeOG/Mask-RCNN

Detecron項目地址：https://github.com/facebookresearch/Detectron

mmdetection項目地址：https://github.com/open-mmlab/mmdetection