教程

• 安装
  • 要求
  • 从源代码构建 Detectron2
  • 安装预构建的 Detectron2（仅限 Linux）
  • 常见安装问题
  • 在特定环境中安装
• Detectron2 入门
  • 使用预训练模型的推理演示
  • 在命令行中进行训练和评估
  • 在您的代码中使用 Detectron2 API
• 使用内置数据集
  • COCO 实例/关键点检测的预期数据集结构
  • PanopticFPN 的预期数据集结构
  • LVIS 实例分割的预期数据集结构
  • cityscapes 的预期数据集结构
  • Pascal VOC 的预期数据集结构
  • ADE20k 场景解析的预期数据集结构
• 扩展 Detectron2 的默认设置
• 使用自定义数据集
  • 注册数据集
  • 数据集的“元数据”
  • 注册 COCO 格式数据集
  • 更新新数据集的配置
• 数据加载器
  • 现有数据加载器的工作原理
  • 编写自定义数据加载器
  • 使用自定义数据加载器
• 数据增强
  • 基本用法
  • 编写新的增强
  • 高级用法
• 使用模型
  • 从 Yacs 配置构建模型
• 编写模型
  • 注册新组件
  • 使用显式参数构建模型
• 训练
  • 自定义训练循环
  • 训练器抽象
  • 指标日志记录
• 评估
  • 使用评估器
  • 自定义数据集的评估器
• Yacs 配置
  • 基本用法
  • 项目中的配置
  • 配置最佳实践
• 延迟配置
  • Python 语法
  • 递归实例化
  • 使用模型库延迟配置
  • 总结
• 部署
  • 使用跟踪或脚本进行部署
  • 使用 Caffe2 跟踪进行部署
  • 转换为 TensorFlow