感谢大家对Jittor的关注，下面是目前Jittor的一些优质资源。如有疑问，可以在Github提Issue、或者通过Email：jittor@qq.com联系我们。欢迎大家使用Jittor进行科学研究工作。

计图遥感检测库

JDet是基于Jittor的遥感目标检测算法库。JDet目前提供了4个主流遥感目标检测：S2ANet、Gliding、RetinaNet和Faster R-CNN，其他主流模型陆续添加中。JDet集成了中科星图杯的“高分辨率可见光图像中多类目标细粒度检测识别”比赛的数据集处理打包工具，可以一键训练+测试+生成可在比赛中提交的结果。欢迎大家使用JDet！

code

---

计图可微渲染库

可微渲染是近些年计算机视觉领域逐渐兴起的方向之一，通过计算渲染过程的导数，使得从单张图片学习三维结构逐渐成为现实。可微渲染目前被广泛地应用于三维重建，同时在人体重建、人脸重建、三维属性估计等应用。目前，Jrender已经支持可微表面渲染和可微体渲染特性。其中可微表面渲染支持N3MR和SoftRas两种算法，我们对这两个算法与PyTorch进行了渲染速度的对比，渲染速度分别是PyTorch的10.53倍和4.09倍。可微体渲染支持Raymarching算法，渲染速度是Pytorch版本的1.9-2.3倍（不同数据集）。我们为大家提供了8个教程对JRender进行熟悉和学习，其中包括6个基础教程和3个进阶教程。上面展示了部分渲染结果。

code

---

计图点云模型库

点云数据的获取与处理是图形学和三维视觉中的重要问题，在测绘、自动驾驶等方面有着广泛的应用。由于其巨大的应用场景，近年来，点云处理引起了相关技术人员的广泛关注，涌现了一批非常出色的工作。计图框架本次发布的点云模型库包括几种最有影响力的模型：PointNet、PointNet++、PointCNN、DGCNN 和PointConv ，支持分类和分割。PointNet++ 和 PointCNN模型训练速度比Pytorch提升一倍以上。

code

---

计图语义分割模型库

语义分割是计算机视觉中的基础任务之一。如图所示，其目标是从像素的角度来理解图片，对原图中的每个像素都进行类别标注。语义分割是众多算法如人脸解析、视频语义分割等算法的基础。同时，语义分割在无人驾驶、智能编辑、智能农业、虚拟现实等方面有着广泛的应用。继5月30日发布GAN模型库之后，计图平台进一步发布语义分割模型库，加强对视觉任务的支持。目前，Jittor已经支持了目前主流的语义分割算法。其中包含了三种经典的 Backbone ，以及六种常见的分割模型。所发布模型的训练速度相比于 Pytorch 均有所提升。

code

---

计图实例分割模型库

Jittor 实例分割模型库一共包含了6种Backbone，和11类检测分割模型，包含最经典的Mask RCNN系列，实时实例分割网络以及人体分割网络等等。经过我们多次测试，所有模型的推理速度都比Pytorch都要快，其中最快的比Pytorch快30%左右。使用我们的实例分割模型库，不仅可以方便的使用多类模型作为Baseline，而且正是由于Jittor的高性能，能够使研究效率有较大的提升。

code

---

计图GAN模型库

Jittor GAN模型库一共包括了从2014到2019最主流的27种GAN模型。这27个GAN总计被引用60953次，每篇文章平均引用次数为2176。我们经过严谨的测试看出，所有Jittor模型的训练速度都比Pytorch快。 在这些模型中，最快的是PyTorch的3.83倍，最慢的是PyTorch的1.27倍，平均为PyTorch的2.26倍。这意味着假设Pytorch平均需要训练100个小时，那么Jittor只需训练50.04（100 / 2.26）个小时。 因此，使用我们的模型库可以大大提高研究人员的研究效率。

code

---