一月份，在谷歌更新了TensorFlow 图像识别 API之后，Facebook 的研究部门(Facebook AI Research) 宣布开源目标检测库 Detectron。这两个库都提供了最新的深度学习目标检测算法。
Detectron 是基于 Facebook 的深度学习框架开发的，使用了开源协议，可以直接作为 Python 的库使用。Detectron 的包可以在 GitHub 上下载，包括脚本、预训练模型以及 Docker 镜像。谷歌的 TensorFlow 图像识别 API 最早于 2017 年 6 月发布，是 TensorFlow 研究项目的一部分，TensorFlow 包含了约 40 个不同的深度学习项目。
这两个库的预训练模型都已在COCO 数据集上训练好，COCO 数据集是一个大型图像数据库，包括了目标检测、分割以及图像文本描述信息。该数据集有 80 个类，超过 20 万张标注图像以及 150 万个实例对象。Facebook 的 Detectron 和谷歌的 Tensorflow 图像识别 API 主要用于研究，暂未用于生产。
目标检测仍然是计算机视觉领域具有挑战性的一个方面，在许多计算机视觉领域的任务上都有应用。从简单的人脸检测到图像检索与视频监控。自动驾驶需要依赖于实时行人检测技术，而城市的车辆与人口数量的自动统计在城市规划中也很有价值。
目标检测面临的主要问题是自然场景下的未知目标的数量、大小和其在图像上的分布都是随机的。并且在提升精度的同时要求算法具有速度优势，这也增加了任务本身的难度。
机器学习中，静止图像中的目标检测需要同时解决两个问题。即确定图像的某个特定区域是一个目标物体并判断其种类。目前的目标检测模型建立在卷积神经网络(CNN) 的基础上，卷积神经网络是一类结构特殊的神经网络。CNN 使用矩形滑动窗口对整个原始图像进行特征提取。
目标检测算法主要有两大类。基于 R-CNN 的方法使用多尺度滑动窗口处理不同尺寸的目标，而 YOLO(You Only Look Once) 算法使用不同的特征提取和决策方法对图像进行一次推理。早期的工作能够在目标物体的周围标记一个矩形边界 (object localization)，而最近的一些研究成果 (例如，和) 能够在物体边缘标记出更精确的边界。这一重大的进展被称为实例分割 (instance segmentation)，对于图像中的每个像素点，都会确定其对于某一特定类的归属关系。
评论表明Tensorflow 目标检测API 更容易训练，它的GitHub 仓库包括一些可以用于安装、训练模型和迁移学习的Jupyter Notebooks，在谷歌的目标检测库中也可以获取更多的在线教程。
查看英文原文： Facebook Open-Sources Detectron, Deep-Learning Library for Object Detection
感谢无明对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（，@丁晓昀），微信（微信号：InfoQChina）关注我们。
