教程

• 安装
  • 需求
  • 从源码构建Detectron2
  • 安装预构建的Detectron2 (仅限Linux)
  • 常见安装问题
  • 在特定环境中的安装：
• Detectron2入门指南
  • 使用预训练模型进行推理演示
  • 命令行中的训练与评估
  • 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 预期的数据集结构：
  • LVIS实例分割的预期数据集结构：
  • cityscapes数据集预期结构:
  • Pascal VOC 预期的数据集结构：
  • ADE20k场景解析的预期数据集结构：
• 扩展Detectron2的默认功能
• 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
  • 为新数据集更新配置
• 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
  • 基础用法
  • 编写新的数据增强方法
  • 高级用法
• 使用模型
  • 基于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
  • 训练器抽象层
  • 指标记录
• 评估
  • 使用评估器
  • 自定义数据集的评估器
• Yacs 配置
  • 基础用法
  • 项目中的配置
  • 最佳实践与配置
• Lazy Configs
  • Python 语法
  • 递归实例化
  • 使用模型库LazyConfigs
  • Summary
• 部署
  • 使用追踪或脚本进行部署
  • 使用Caffe2追踪进行部署
  • 转换为TensorFlow