可以在手機里運行的Detectron2來了：FB官方出品
移動端開發(fā)者福利
魚羊 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
做目標檢測、語義分割，你一定聽說過Detectron2。
作為一個基于PyTorch實現的模塊化目標檢測庫，Detectron2當年剛一開源，就被推上了GitHub趨勢榜第一。
而現在，移動端開發(fā)人員們的福利來了。
Facebook官方正式推出Detectron2的移動版：Detectron2Go（D2Go）。
什么是D2Go
先來看官方介紹：
- PyTorch和Detectron2支持的深度學習工具包
- 最先進的高效移動設備骨干網絡
- 支持端到端模型訓練、量化和部署
- 能輕松導出TorchScript格式
通過D2Go，開發(fā)者可以創(chuàng)建已經針對移動設備進行過優(yōu)化的FBNet模型，在移動端高效地執(zhí)行目標檢測、語義分割以及關鍵點估計等任務。
△D2Go人體關鍵點估計
那么D2Go具體有哪些優(yōu)勢呢？
實際上，移動端的目標檢測任務主要關注的有兩點：延遲和準確性。
而如果模型能夠在邊緣設備上獨立運行，不用將數據傳至云端進行處理，就能大大的減少延遲。
另外，這也進一步保障了終端用戶的數據、隱私安全。
Facebook表示，在實驗測試中，使用D2Go開發(fā)的移動端模型，與基于服務器的模型相比，延遲更低，且準確性損失不大。
如何使用
首先是安裝的部分，需要安裝的有：
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倉庫中，還提供了預訓練模型的推理Demo。
從model_zoo中選擇一個模型，運行demo.py，就可以進行試玩。
以faster_rcnn_fbnetv3a模型為例：
cd demo/
python demo.py —config-file faster_rcnn_fabnetv3a_C4.yaml —input input1.jpg —output output1.jpg
在訓練和評估方面，D2Go本身基于detectron2工具包實現，因此在訓練之前，需要按照detectron2的說明設置內置數據集。
而具體如何用預訓練模型進行推理、訓練一個D2go模型、將模型導出到int8，Facebook也提供了詳細的入門示例。
更多詳情，不妨戳進文末鏈接，親自上手嘗試~
傳送門
開源地址：
https://github.com/facebookresearch/d2go
Facebook博客：
https://ai.facebook.com/blog/d2go-brings-detectron2-to-mobile/
— 完 —
- 蘋果芯片主管也要跑路！庫克被曝出現健康問題2025-12-07
- 世界模型和具身大腦最新突破：90%生成數據，VLA性能暴漲300%｜開源2025-12-02
- 谷歌新架構突破Transformer超長上下文瓶頸！Hinton靈魂拷問：后悔Open嗎？2025-12-05
- 90后華人副教授突破30年數學猜想！結論與生成式AI直接相關2025-11-26
相關閱讀
