mask r-cnn2go详解：脸书对机器学习基准MLPerf联盟贡献MaskR-CNN2Go模型

脸书宣布全力支援机器学习基准计划MLPerf，在图像分类方面，将贡献ShuffleNet模型实作，而在姿势估测方面，脸书将开源贡献其Mask R-CNN2Go专案，这是一个针对嵌入式和行动装置最佳化的先进电脑视觉模型。

脸书提到，一直以来，他们透过开放式神经网络交换（Open Neural Network Exchange，ONNX）和深度学习框架PyTorch等专案推动机器学习创新，长期在框架和硬件间的开放标准和互操作性上耕耘。而脸书宣布加入的MLPerf是一个联盟，目的在建立一套通用的基准，以衡量机器学习软件框架、硬件加速器和云端平台的系统性能。

MLPerf的基准拥有丰富的测试套件，涵盖了各种应用程序使用案例，包括图像分类、物件侦测、语音与文字翻译。而为了帮助MLPerf提供公平且符合业界标准的机器学习基准测试套件，脸书成立了专门的工作小组，以识别并解决在基准创建所会遇到的挑战。

脸书人工智能基础设施研究科学家Carole-Jean Wu是MLPerf边缘推理（Edge Inference）工作组的联合主席。与其他企业与学术机构共同合作，脸书将针对边缘推理类别，提供两个机器学习模型的开源资料及训练基准参照实作。在图像分类使用案例，脸书将贡献新进的ShuffleNet模型实作，而在姿势估测方面，脸书将开源并贡献由内部行动视觉研究人员开发的Mask R-CNN2Go模型实作。

Mask R-CNN2Go是脸书针对嵌入式和行动装置最佳化的电脑视觉模型，能被用来建构各种装置机器学习使用案例的基础，像是物体侦测、分类、人像分割（Person Segmentation）以及身体估测，实现准确且即时的推理。

Mask R-CNN2Go主要模型是基于广泛的Mask R-CNN框架开发而成，而Mask R-CNN2Go就像名字代表的意义一样，是为了行动装置设计和最佳化。Mask R-CNN2Go目前在Caffe2上执行，脸书计划将其移往深度学习框架PyTorch 1.0，因为该框架继续且积极的新增多项功能，且能让开发人员将应用程序，从研究阶段无缝转移至产品阶段。

脸书认为，现在越来越多机器学习使用案例发生在边缘装置，因此重要的是要为边缘推理使用案例定义代表性的基准，以帮助社群描述装置推理执行的效能瓶颈，并为高效装置推理解决方案设计和最佳化系统。