[ Stack tecnológico ]
Detectron2
La biblioteca PyTorch de Meta AI para la detección y la segmentación de instancias.
Detectron2 es la biblioteca de detección de objetos y segmentación de Meta AI, escrita en PyTorch: su model zoo ofrece Faster R-CNN, Mask R-CNN, RetinaNet, Cascade R-CNN, Panoptic FPN y Keypoint R-CNN preentrenados con COCO. Un dataset en formato COCO se registra en el DatasetCatalog, la configuración YAML o LazyConfig controla el entrenamiento y los modelos se exportan a TorchScript. Es nuestra elección cuando se necesitan máscaras de instancias o una segmentación panóptica de precisión, y no solo la velocidad de un detector en tiempo real.
[ Por qué Detectron2 en Dexon ]
Lo que esta tecnología hace bien y por qué la utilizamos.
Uso típico: Control de calidad industrial, segmentación de instancias en imagen médica, recuento de objetos en fotografía aérea.
- 01
Model zoo: Mask R-CNN, Faster R-CNN, RetinaNet y Panoptic FPN preentrenados.
- 02
Detección, segmentación de instancias, segmentación panóptica y keypoints en una misma base de código.
- 03
Entrenamiento con datasets COCO propios, backbones y cabezas modulares, evaluación integrada.
- 04
Exportación a TorchScript, licencia Apache 2.0, base de Mask2Former y Detic.
[ Tecnologías complementarias ]
Las piezas que solemos utilizar en paralelo.
Un stack rara vez existe por sí solo. Estas son las tecnologías que Dexon asocia con más frecuencia a esta, por hábitos de pipeline, similitud de uso o dominio interno. Haga clic en una pieza para ver su alcance.
[ Confianza ]
- 0+
- proyectos a medida entregados
- 30
- ingenieros, diseñadores, jefes de proyecto
- 80 %
- formados en las mejores escuelas francesas
- 24 h
- tiempo medio de respuesta
[ Confían en nosotros ]
Más de 100 empresas francesas y europeas confían en nosotros.
[ Prensa ]
Hablan de nosotros.
Cobertura en la prensa nacional francesa: BFM Business, Le Figaro, Challenges, La Tribune y CNews. Una mirada externa a nuestro trabajo y a nuestras innovaciones.
