企业官网建设流程全解析

Detectron2 Projects 生态全景：以 detectron2 为库构建可维护的视觉研究项目

【免费下载链接】detectron2Detectron2 is a platform for object detection, segmentation and other visual recognition tasks.项目地址: https://gitcode.com/GitHub_Trending/de/detectron2

本指南围绕仓库中的 projects/README.md 展开，系统梳理 Detectron2 官方仓库内集成的十余个研究项目（DensePose、TridentNet、TensorMask、PointRend、Panoptic-DeepLab、PointSup、Rethinking-BatchNorm、ViTDet、MViTv2 等）以及社区外部项目，并结合各子项目源码与配置文件，讲解"把 detectron2 当作库来复用、搭建可维护研究项目"的完整范式。读完本文，你将掌握每个内置项目的任务定位、训练/评估命令、关键配置与预训练模型入口，并能够照此模式在自己仓库中组织 detectron2 之上的新项目。

projects 目录的定位：把 detectron2 当"库"而不是"框架"

projects/README.md 开篇即阐明了这一目录存在的意义：这些项目是"built on detectron2"的示例，展示了如何将 detectron2 作为库（library）使用，从而使你的项目更易于维护（more maintainable）。

这与 Detectron2 的整体设计哲学一致：仓库根目录 README.md 明确指出 detectron2 "Used as a library to support building research projects on top of it"。也就是说，detectron2 提供的是detectron2.engine（训练循环）、detectron2.modeling（骨干网络、R-CNN / RetinaNet 等元架构）、detectron2.config（配置系统）等基础设施，而projects/之下的每个子目录，都是在这套基础设施之上"只写增量代码"的活教材——它们各自拥有独立的train_net.py、configs/与算法模块，却几乎不修改 detectron2 核心代码。

README 同时给出一个重要提醒：Facebook 的这些项目属于研究性质（research projects），其支持程度与稳定性可能不及 detectron2 本身，使用时需自行评估。

仓库内 Facebook 研究项目全景

projects/README.md 中列出的、且代码完整存放在本仓库内的项目如下（其各自详尽的 README 均可在projects/下找到）：

此外，projects/README.md 还提及了以外部链接形式存在的 Facebook 项目：Mesh R-CNN、MoCo（无监督表示学习的检测部分）、DETR（d2 目录）、D2Go（面向移动端训练与部署的端到端生产系统）、Unbiased Teacher（半监督目标检测）与 MaskFormer（语义分割），这些项目的实现不在本仓库内。

下面逐个深入各内置项目，给出其训练/评估命令、配置与预训练模型入口。

DensePose：稠密人体姿态估计

DensePose README 说明该项目旨在学习图像像素与可形变物体（如人体、动物）3D 几何之间的稠密对应关系，仓库内提供了 DensePose R-CNN 的训练、评估代码，以及可视化标注与结果的多种工具。项目内部存在两大范式：

• Chart-based（IUV）：把 3D 网格切分为多个 chart，模型对每个像素估计 chart 索引I与局部坐标(U, V)，详见 projects/DensePose/doc/DENSEPOSE_IUV.md；
• Continuous Surface Embeddings（CSE）：同时学习网格顶点与图像像素的描述子，通过嵌入对应关系推导每个像素在 3D 模型上的位置，详见 projects/DensePose/doc/DENSEPOSE_CSE.md。

从目录结构看，DensePose 是"以 detectron2 为库"最典型的大项目：它在projects/DensePose/densepose/下自建了modeling/（含 cse、losses、predictors、roi_heads 等子模块）、data/、evaluation/、engine/（自定义 trainer），并提供了 train_net.py、apply_net.py（将模型应用到图片/视频并可视化）、query_db.py（查询标注数据库）三个入口。其配置集中在 projects/DensePose/configs/ 下，覆盖 HRNet、CSE、Evolution 等多个系列。预训练模型与性能评估分别记录在 DENSEPOSE_IUV 与 DENSEPOSE_CSE 文档的 Model Zoo 小节中，引用时请参照这两份文档中的 BibTeX 条目。

TridentNet：尺度感知目标检测

TridentNet README 指出本项目实现了TridentNet-Fast：通过平行多分支结构生成尺度特定（scale-specific）的特征图，各分支共享相同的变换参数、仅感受野不同；TridentNet-Fast 是快速近似版本，在不增加额外参数与计算量的前提下带来显著提升。

训练命令（在仓库根目录下执行等价路径）：

python projects/TridentNet/train_net.py --config-file projects/TridentNet/configs/tridentnet_fast_R_50_C4_1x.yaml --num-gpus 8

评估命令：

python projects/TridentNet/train_net.py --config-file projects/TridentNet/configs/tridentnet_fast_R_50_C4_1x.yaml --eval-only MODEL.WEIGHTS model.pth

配置文件位于 projects/TridentNet/configs/（Base-TridentNet-Fast-C4.yaml及 1x/3x 调度、R50/R101 变体），核心实现位于 projects/TridentNet/tridentnet/ 下的trident_backbone.py、trident_conv.py、trident_rcnn.py、trident_rpn.py。README 给出了 MS-COCO 上的对比结果：R50-C4 下 Faster R-CNN 1x 的 AP 为 35.7，TridentFast 1x 为 38.0；3x 下分别为 38.4 与 40.6；R101-C4 3x 下 Faster 为 41.1、TridentFast 为 43.6，各变体均可下载 model 与 metrics 文件。

TensorMask：稠密滑窗实例分割

TensorMask README 将其定位为稠密滑窗实例分割框架，不依赖 ROI 操作，在质量上首次接近成熟的 Mask R-CNN，为实例分割研究提供了概念上互补的方向。由于涉及自定义算子，需要额外安装：

pip install -e /path/to/detectron2/projects/TensorMask

该命令会编译 TensorMask 专用算子swap_align2nat（其实现与测试分别在 projects/TensorMask/tensormask/layers/ 与 projects/TensorMask/tests/test_swap_align2nat.py 中）。随后训练 BiPyramid 模型（R50 骨干、1x 调度、8 GPU）：

python projects/TensorMask/train_net.py --config-file projects/TensorMask/configs/tensormask_R_50_FPN_1x.yaml --num-gpus 8

评估（6x 调度 + 尺度增强）：

python projects/TensorMask/train_net.py --config-file projects/TensorMask/configs/tensormask_R_50_FPN_6x.yaml --eval-only MODEL.WEIGHTS /path/to/model_checkpoint

预训练模型表：R50 1x 的 box AP 为 37.6、mask AP 为 32.4；R50 6x 的 box AP 为 41.4、mask AP 为 35.8。基础配置见 projects/TensorMask/configs/Base-TensorMask.yaml。

PointRend：把分割当作渲染

PointRend README 的核心思想是将图像分割视为渲染过程：在现有 SOTA 模型基础上，仅在关键点位置做细分预测，可灵活应用于实例分割与语义分割两类任务。其官方 Colab 教程展示了点采样各阶段的示例与可视化。

训练（8 GPU）：

python projects/PointRend/train_net.py --config-file projects/PointRend/configs/InstanceSegmentation/pointrend_rcnn_R_50_FPN_1x_coco.yaml --num-gpus 8

评估：

python projects/PointRend/train_net.py --config-file projects/PointRend/configs/InstanceSegmentation/pointrend_rcnn_R_50_FPN_1x_coco.yaml --eval-only MODEL.WEIGHTS /path/to/model_checkpoint

实例分割（COCO）模型表要点：PointRend + R50-FPN 1x 的输出分辨率为 224×224，mask AP 36.2（AP* 39.7）；3x 为 38.3（AP* 41.6）；R101-FPN 3x 为 40.1（43.8）；X101-FPN 3x 为 41.1（44.7）。其中AP是使用质量更高的 LVIS 标注评估得到的 COCO mask AP*：需运行python detectron2/datasets/prepare_cocofied_lvis.py（本仓库对应 datasets/prepare_cocofied_lvis.py）准备真值文件，且由于 LVIS 标注不穷尽，应使用lvis-api而非cocoapi进行评估。语义分割方面，Cityscapes 上的 SemanticFPN + PointRend（R101-FPN，1024×2048）mIoU 为 78.9。实现代码位于 projects/PointRend/point_rend/（point_head.py、point_features.py、roi_heads.py、semantic_seg.py等）。

Panoptic-DeepLab：Bottom-up 全景分割基线

Panoptic-DeepLab README 将其描述为简单、强、快的 bottom-up 全景分割基线。除训练/评估外，它还提供了一个独特的性能评测入口：在评估命令后追加MODEL.PANOPTIC_DEEPLAB.BENCHMARK_NETWORK_SPEED True即可跳过后处理、只评测网络本身速度：

python projects/Panoptic-DeepLab/train_net.py --config-file projects/Panoptic-DeepLab/configs/Cityscapes-PanopticSegmentation/panoptic_deeplab_R_52_os16_mg124_poly_90k_bs32_crop_512_1024_dsconv.yaml --eval-only MODEL.WEIGHTS /path/to/model_checkpoint MODEL.PANOPTIC_DEEPLAB.BENCHMARK_NETWORK_SPEED True

README 中的结果与说明要点：

• Cityscapes：R52-DC5 在 1024×2048 输出分辨率下 PQ 60.3 / SQ 81.5 / RQ 72.9 / mIoU 78.2 / AP 33.2；DSConv 版本 PQ 60.3、mIoU 78.7；
• COCO：R52-DC5 DSConv（640×640）PQ 35.5，与原始论文的 35.1 基本一致；
• 术语约定：R52指将 ResNet-50 首层 7×7 卷积替换为 3 个 3×3 卷积的变体；DC5指在res5中使用空洞卷积；DSConv指在 ASPP 与解码器中使用 DepthwiseSeparableConv2d（与原始论文实现一致）；
• 该实现不含面向部署优化的后处理代码，后处理耗时与网络本身相当，对比速度请参照原论文；
• 训练采用 512×1024 的小裁剪尺寸（原论文为 1025×2049），README 注明改用 1024×2048 裁剪可再提升约 1.5 PQ 但会损失约 3 AP。

配置文件位于 projects/Panoptic-DeepLab/configs/，算法实现位于 projects/Panoptic-DeepLab/panoptic_deeplab/（panoptic_seg.py、post_processing.py、target_generator.py等）。

PointSup：点级监督实例分割

PointSup README 展示了一个极具实用价值的低成本方案：仅用点级标注训练实例分割模型。数据准备分两步：

1. 按 Detectron2 官方说明准备 COCO 数据集，并设置DETECTRON2_DATASETS环境变量指向数据集位置；
2. 为 COCO 生成 10 点标注：

   python projects/PointSup/tools/prepare_coco_point_annotations_without_masks.py 10

训练与评估命令与 PointRend 完全同构：

python projects/PointSup/train_net.py --config-file projects/PointSup/configs/mask_rcnn_R_50_FPN_3x_point_sup_point_aug_coco.yaml --num-gpus 8 python projects/PointSup/train_net.py --config-file projects/PointSup/configs/mask_rcnn_R_50_FPN_3x_point_sup_point_aug_coco.yaml --eval-only MODEL.WEIGHTS /path/to/model_checkpoint

projects/PointSup/configs/ 下共三个配置：普通点监督、点监督 + 点增强（point aug）、以及 Implicit PointRend 点监督 + 点增强；实现代码位于 projects/PointSup/point_sup/（含point_utils.py、detection_utils.py、mask_head.py等）。

Rethinking-BatchNorm：重思考 BatchNorm 中的 batch

Rethinking-BatchNorm README 提供复现论文Rethinking "Batch" in BatchNorm检测实验的配置，所有配置均使用 LazyConfig 系统训练：

python tools/lazyconfig_train_net.py --config-file projects/Rethinking-BatchNorm/configs/X.py --num-gpus 8

各配置与论文图表的对应关系如下：

• Mask R-CNN：mask_rcnn_BNhead.py 与 mask_rcnn_BNhead_batch_stats.py 对应论文 Table 3；mask_rcnn_BNhead_shuffle.py 在 head 输入上做跨 GPU 打乱，对应 Figure 9 与 Table 6；mask_rcnn_SyncBNhead.py 在 head 中使用跨 GPU SyncBatchNorm，对应 Table 6；
• RetinaNet：retinanet_SyncBNhead.py 在 head 中用 SyncBN（对应 Table 5 第 3 行）；retinanet_SyncBNhead_SharedTraining.py 将全部 5 个特征层一起归一化（对应 Table 5 第 1 行）；
• 域特定统计重算：retinanet-eval-domain-specific.py 在重算域特定统计后评估 checkpoint，用法为./retinanet-eval-domain-specific.py checkpoint.pth，可复现 Table 5 第 4 行与第 2 行。

ViTDet 与 MViTv2：Vision Transformer 骨干

ViTDet README 提供了 ViTDet 论文所描述的普通 ViT 骨干（以及 MViTv2、Swin 骨干）在 Detectron2 中的配置与模型。全部配置同样基于 LazyConfig：

python tools/lazyconfig_train_net.py --config-file projects/ViTDet/configs/COCO/mask_rcnn_vitdet_b_100ep.py

评估时在命令行覆盖train.init_checkpoint：

python tools/lazyconfig_train_net.py --config-file projects/ViTDet/configs/COCO/mask_rcnn_vitdet_b_100ep.py --eval-only train.init_checkpoint=/path/to/model_checkpoint

默认按 64 GPU、batch size 64 训练。README 给出的 COCO Mask R-CNN 结果（box/mask AP）：ViT-B 为 51.6/45.9，ViT-L 为 55.5/49.2，ViT-H 为 56.7/50.2；Cascade Mask R-CNN 下 ViT-L 达 57.6/50.0。LVIS 上同样提供 ViT-B/L/H 与 Swin-B/L、MViTv2-B/L/H 的模型，README 特别注明：这些 LVIS 模型使用 1024 分辨率（论文为 1280）与标准 NMS（非 soft NMS），因此指标略低；LVIS 评估方差高于 COCO（ViT-B 五次重复训练 box AP 标准差 0.30% vs COCO 的 0.10%）。骨干网络实现在 detectron2/modeling/backbone/（vit.py、mvit.py、swin.py）。MViTv2 的独立项目页见 projects/MViTv2/README.md，其配置覆盖cascade_mask_rcnn_mvitv2_*（t/s/b/h、in21k、lsj 等变体）。

从源码看"以 detectron2 为库"的组织范式

对比以上项目可以提炼出 detectron2 官方推崇的研究项目组织模式，这正是 projects/README.md "more maintainable" 的具体体现：

1. 独立的入口脚本：每个项目自带train_net.py，内部复用detectron2.engine.defaults的DefaultTrainer/DefaultPredictor等基础设施；基于 LazyConfig 的项目（如 ViTDet、Rethinking-BatchNorm）则复用 tools/lazyconfig_train_net.py；
2. 自包含的 configs：每个项目在configs/下维护Base-*.yaml（或.py）+ 具体实验配置，可通过--config-file与命令行覆盖项（如--num-gpus、--eval-only MODEL.WEIGHTS）组合出训练/评估两种模式；
3. 算法增量代码与自定义算子：新算法写成独立包（如densepose/、tridentnet/、point_rend/），需要自定义 CUDA/C++ 算子时用独立setup.py以可编辑方式安装（见 projects/TensorMask/setup.py 的swap_align2nat），测试用例放在各项目tests/下；
4. 工具链沉淀：除训练脚本外，项目还会沉淀专用工具，如 DensePose 的apply_net.py/query_db.py、PointSup 的标注生成脚本、Rethinking-BatchNorm 的域特定统计评估脚本。

外部社区项目与贡献规范

projects/README.md 的 "External Projects" 一节列出了使用 detectron2 的社区外部项目（原文以外部链接形式给出，本文仅转述其名称与一句话定位，不展开）：AdelaiDet（含 FCOS、BlendMask 的检测工具箱）、CenterMask、Res2Net 骨干、VoVNet 骨干、FsDet（少样本目标检测）、Sparse R-CNN、BCNet（双层解耦实例分割）、DD3D（全卷积 3D 检测器）、detrex（基于 Transformer 的检测工具箱，含 Deformable-DETR、DAB-DETR、DN-DETR、DINO 等）。

README 源码注释中还保留了社区项目收录规范，可作为向该列表贡献时的约定：

• 若想贡献，请把项目加入列表，并尽量只占一行；
• 项目必须提供在标准数据集上训练好的模型；
• 列表按score = PaperCitation * 5 + Stars大致排序，其中 PaperCitation 指：若该项目是论文的官方实现，则取论文引用数，否则记为 0。

如何在 detectron2 之上搭建自己的研究项目

结合前文，落地一个 projects 风格项目的推荐步骤为：

1. 准备基础：按 INSTALL.md 安装 detectron2，按 datasets/README.md 准备数据集并设置DETECTRON2_DATASETS；
2. 复制范式：参考 projects/TridentNet/train_net.py 或 tools/train_net.py 写入口脚本，复用DefaultTrainer、build_detection_train_loader、DefaultPredictor等组件；
3. 增量实现：把新模块（骨干、roi head、loss 等）放进项目自己的包目录，通过注册器（registry）挂载到 detectron2 的 modeling 系统中，避免改动核心源码；
4. 配置化实验：用 YAML 或 LazyConfig 管理超参，命令行为--config-file+ 覆盖项，保证训练（--num-gpus N）与评估（--eval-only MODEL.WEIGHTS xxx）只需一条命令切换；
5. 沉淀资产：训练得到的模型与指标可参照各项目 README 的模型表组织发布，并在引用时附上对应论文的 BibTeX 条目。

总结

projects/README.md 虽然只是一份目录清单，却是理解 detectron2 生态定位的关键入口：它把 DensePose、TridentNet、TensorMask、PointRend、Panoptic-DeepLab、PointSup、Rethinking-BatchNorm、ViTDet、MViTv2 等研究项目与社区工具箱汇聚一堂，示范了"以 detectron2 为库"的可维护组织方式。每个子项目 README 都提供了可直接复制的训练/评估命令、配置路径与预训练模型指标，本文已将这些实战要素按统一相对路径汇总，方便你在仓库内逐一打开验证与复用。

【免费下载链接】detectron2Detectron2 is a platform for object detection, segmentation and other visual recognition tasks.项目地址: https://gitcode.com/GitHub_Trending/de/detectron2