[{"data":1,"prerenderedAt":12},["ShallowReactive",2],{"stack-tr-es-detectron2":3},{"tagline":4,"description":5,"strengths":6,"useCase":11},"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.",[7,8,9,10],"Model zoo: Mask R-CNN, Faster R-CNN, RetinaNet y Panoptic FPN preentrenados.","Detección, segmentación de instancias, segmentación panóptica y keypoints en una misma base de código.","Entrenamiento con datasets COCO propios, backbones y cabezas modulares, evaluación integrada.","Exportación a TorchScript, licencia Apache 2.0, base de Mask2Former y Detic.","Control de calidad industrial, segmentación de instancias en imagen médica, recuento de objetos en fotografía aérea.",1792765056666]