Detectron نام نرم‌افزاری اپن‌سورس است که توسط تیم تحقیقاتی هوش مصنوعی فیسبوک موسوم به FAIR برای تحقیق در مورد تشخیص اشیاء در اختیار عموم قرار گرفته است.
پروژهٔ Detectron در ژانویهٔ سال 2016 با هدف ایجاد یک سیستم تشخیص چهرهٔ سریع و انعطاف‌پذیر با زبان #پایتون و با استفاده از فریمورک یادگیری ژرف (عمیق) Caffe2 آغاز شد. در طول سال‌های گذشته، کدنویسی این پروژه پیشرفت‌هایی داشته و بسیاری از پروژه‌ها از جمله Mask R-CNN و Focal Loss for Dense Object Detection را ساپورت کرده که این پروژه‌ها به ترتیب برندهٔ جایزهٔ Marr و بهترین جوایز دانشجویی در ICCV 2017 شدند.
این الگوریتم‌ها در Detectron پیاده‌سازی شده‌اند و مدل‌های بصری برای کارهای مرتبط با بینایی ماشین مانند تقسیم‌بندی نمونه‌ها را ارائه می‌دهند و نقشی کلیدی در پیشرفت بی‌سابقهٔ سیستم‌های ادراک بصری ایفا کرده‌اند که جامعهٔ ما در سال‌های اخیر به آن‌ها دست یافته است.
تیم فیسبوک از این پلتفرم برای آموزش مدل‌های سفارشی به انواع اپلیکیشن‌ها از جمله Augmented Reality و Community Integrity استفاده می‌کنند. پس از آموزش، این مدل‌ها را می‌توان در سیستم‌های کلود و دستگاه‌های تلفن همراه نصب کرد که توسط لایبرری Caffe2 با زمان اجرای بسیار کارآمدی اجزا خواهند شد.
هدف فیسبوک از ایجاد پلتفرم Detectron به صورت اپن‌سورس این بوده است که تحقیقات تا حد امکان گسترده و وسیع گردد و این تحقیقات در آزمایشگاه‌های سراسر جهان به سرعت انجام شوند. در واقع با انتشار این پلتفرم، جامعهٔ محققان می‌توانند نتایج کار خود را انتشار داده و به یک پلتفرم نرم‌افزاری مشابه FAIR دست می‌یابند.
پیاده‌سازی Detectron تحت لیسانس Apache 2.0 صورت گرفته است؛ همچنین این نرم‌افزار برای بیش از 70 مدل از پیش آموزش دیده عملکرد خوبی ارائه داده که این مدل‌ها در قالب لیستی برای دانلود قرار داده شده‌اند.
