1樓：whydavid
caffe2和Tensorflow Lite是FB和Google 面向移動端推出的兩大平台，目前手機類移動端的難點是如何整合GPU加速,目前兩家都推出了classification的demo（目測tf-Lite執行更快一點），期待FB可以更快的把object detection 整合到手機端應用。
2樓：
感覺可以宣傳一波caffe2，今天嘗試了一下，從安裝caffe2到跑Detectron的infer_sample,都沒有遇到太多問題，而以前安裝caffe安裝到放棄。對於初學者來說非常不錯，可以快速熟悉、掌握目標檢測、分割以及關鍵點檢測中的baseline方法。
3樓：孫楊威
object detection方向已經基本被FAIR壟斷統治了，聽人說現在國內的檢測框架基本是用他們（Ross、kaiming、Piotr）的東西，可怕，這次的Detectron又是乙個大招，被打得毫無還手之力。
原始碼終於公布，期待已久的我們接下來就是硬著頭皮啃這塊骨頭了。
4樓：Xiaolong Wang
強力支援...非常polished的code, 很多功能例如e2e fpn rpn training並不trivial...
然後這套code確實支援著fb很多recognition方面的research...可以說沒有ross就沒有大家...
最後quote一下「ross寫faster r-cnn不知道多少遍了，寫faster r-cnn是他的一門興趣，別人打遊戲，ross寫faster r-cnn」.
5樓：瘋狂的耗子
比較關注Mask RCNN裡面roi aligning層，另外FPN好像當成base 網路了，主要賣點還是mask rcnn，或者，實力推一波caffe2
6樓：
跟tensorflow/models
中的Object Detection API幾乎是一樣的東西，唯一賣點是官方實現的Mask-RCNN？
7樓：
讓很多想follow的人完美的錯過了CVPR2018...
也讓很多人燃起了趕一波ECCV的希望！
還是得贊乙個，畢竟確實寫得好。
如何評價 Facebook 新開源的程式語言 Skip？
轉眼十年未謀面 如何評價，打字評價。無論怎樣，美國的一波網際網路公司總是會有一些新奇吃螃蟹性的嘗試。BAT至今在計算機基礎技術這方面做過啥嗎。 Cc大戰桃花怪 1.復用層次下移到了component層次，而storyboard中復用主要是頁面層級。比如，乙個tableview比另外乙個多乙個sect...
如何評價Facebook推出的flow js？
type annotation是動態型別語言的發展趨勢之一，並且越來越重要，最直接的優勢 在執行前能確定很多低階錯誤 在模組化中有效確定介面 或者函式簽名 不難麼明顯的優勢 型別化有望作出更好的執行時平台 JIT之類的 更好的IDE支援 auto complete,code refactoring ...
如何評價臉書（Facebook）新標誌？
The new version of facebook that everyone hates today is the version they will be fighting to bring back tomorrow. tomtomtom9 只有我覺得如果沒有對比根本沒人能發現改了嗎？而且...