Facebook近日宣布開放Detectron，即該公司基于深度學(xué)習(xí)框架的計算機(jī)視覺對象檢測算法平臺。該公司表示，開放項目的動機(jī)在于加速計算機(jī)視覺研究，F(xiàn)acebook團(tuán)隊正在使用該平臺開發(fā)各種應(yīng)用，包括增強(qiáng)現(xiàn)實技術(shù)。

　　在我最近的一篇文章中，詳細(xì)介紹了增強(qiáng)現(xiàn)實如今面臨的三大挑戰(zhàn)，其中的實時對象分類是最大的障礙之一：

　　要讓計算機(jī)視覺理解“杯子”的含義，而不是僅僅看到一個形狀，這是一個不容小覷的問題。所以這么多年來，我們在AR演示作品中總會看到人們把基準(zhǔn)標(biāo)記附加到對象身上，以實現(xiàn)更細(xì)致的追蹤和交互。為什么會如此困難呢?第一個挑戰(zhàn)在于分類。杯子有數(shù)千種形狀、大小、顏色和紋理。有些杯子擁有特殊的屬性和特殊的用途(如燒杯)，也就是說不同的杯子的使用場合和背景也有所不同。想象一下，編寫這么一個可以幫助計算機(jī)理解上述所有概念的算法是多大的挑戰(zhàn)。你也可以想象，編寫一個向計算機(jī)解釋杯子和碗之間區(qū)別的代碼是多么地困難。

　　該文章還指出，“深度學(xué)習(xí)”有可能是實時對象分類的其中一種解決方案——這種學(xué)習(xí)涉及“訓(xùn)練”計算機(jī)去解讀它所看到的事物，而不是人工去編寫檢測程序。本周，F(xiàn)acebook已經(jīng)正式開源了他們的對象檢測算法，這可能會加速能進(jìn)行實時對象分類的系統(tǒng)的開發(fā)，從而讓增強(qiáng)現(xiàn)實發(fā)揮真正的功效。

　　如果沒有對特定環(huán)境進(jìn)行預(yù)編程，與我們周圍世界進(jìn)行交互的增強(qiáng)現(xiàn)實將需要對我們附近的情況有粗略了解。比方說，如果你正戴著一款A(yù)R眼鏡，你希望把烤箱的溫度投影到烤箱上方，同時在冰箱上方投影出已經(jīng)快要吃完的食物，這時AR眼鏡將需要了解烤箱和冰箱的形狀。由于烤箱和冰箱涵蓋的形狀、樣式以及擺放位置都不盡相同，這將成為一項極具挑戰(zhàn)性的任務(wù)。

　　在深度學(xué)習(xí)算法的鏡頭下，對象分類是什么樣子的

　　Facebook的人工智能研究團(tuán)隊與其他相關(guān)團(tuán)隊一直在研究，如何利用深度學(xué)習(xí)來幫助計算機(jī)解決對象檢測的問題，而這一基于Caffe2深度學(xué)習(xí)框架的對象檢測算法就叫作Detectron。在正式托管至GitHub后，現(xiàn)在任何人都可以自行嘗試。Facebook希望，Detectron開源后能幫助世界各地的計算機(jī)視覺研究人員進(jìn)行新的嘗試，并不斷改進(jìn)最新的技術(shù)。

　　該項目的GitHub頁面上寫道：“Detectron旨在為對象檢測研究提供高質(zhì)量、高性能的代碼庫。Detectron的設(shè)計十分靈活，能夠支持新研究的快速實施與評估?！?/p>

　　算法可以檢測視頻輸入，并能夠猜測出構(gòu)成場景的離散對象?！皺z測和識別人類與物體的交互作用 (Gkioxari et al)”等研究項目已經(jīng)在使用Detectron了，并以其為基礎(chǔ)來了解人類在特定環(huán)境中利用物體作出的行為。這是向正確的方向邁出的一步，以幫助計算機(jī)理解我們正在做的事情，從而能夠為忙碌的我們提供有價值的信息。

　　除了人工智能研究之外，Detectron還被用于Facebook的其他內(nèi)部團(tuán)隊;Facebook在Detectron的開源聲明中寫道：“各支團(tuán)隊正在利用這個平臺來為各種應(yīng)用進(jìn)行定制模型訓(xùn)練，其中也包括增強(qiáng)現(xiàn)實和社區(qū)完整性研究?！?/p>

　　目前尚不清楚具體是哪支團(tuán)隊正在把Detectron用于增強(qiáng)現(xiàn)實，不過很可能就是Oculus。早在F8大會期間，Oculus的首席科學(xué)家Michael Abrash就曾探討過，增強(qiáng)現(xiàn)實將如何并于何時徹底改變我們的生活。