Facebook AI Research(FAIR)发布了Detectron2，这是一个基于PyTorch的计算机视觉库，为流行的框架带来了一系列新的研究和生产功能。
自2018年发布以来，原始的Detectron对象检测平台已成为FAIR最广泛采用的开源项目之一。虽然第一个Detectron是用Caffe2编写的，但Detectron2代表了PyTorch中从头开始对原始框架的完全重写，并具有一些新的对象检测功能。
在首次发布时，Detron成为AI社区的巨大推动力。它使许多人可以快速，轻松地构建最新的对象检测模型。然而Detectron仍然存在一些局限性，这些局限性很快成为许多AI从业者的难题。
Detectron2旨在解决这些交易突破问题，从而打造了一个更强大，更现代的图书馆。来自FAIR的Detectron2团队：
我们构建了Detectron2，以满足Facebook AI的研究需求，并为Facebook生产用例中的对象检测提供了基础。现在，我们正在使用Detectron2快速设计和训练下一代姿态检测模型，这些模型可为Smart Camera(Facebook门户视频通话设备中的AI摄像机系统)提供动力。通过将Detectron2用作用于研究和生产用例中对象检测的统一库，我们能够将研究思路迅速转移到大规模部署的生产模型中。
转向PyTorch符合AI社区对灵活但易于使用的库的不断增长的需求和渴望。PyTorch本身在设计上是模块化的，因此比Caffe2易于扩展。AI社区中的绝大多数已经使用了两个库：TensorFlow和PyTorch。
Detectron2已扩展到处理计算机视觉任务，而不仅仅是对象检测，包括语义分割，全景分割，姿势估计和DensePose。作者已经做出了令人瞩目的努力，以添加经过训练的最新模型，例如Cascade R-CNN，Panoptic FPN和TensorMask。
FAIR的团队在其官方博客文章中暗示，他们计划向库中发布一个附加组件Detectron2go，以使其更易于将模型部署到生产中。据说它包括网络量化，模型优化和移动部署格式设置等功能。
