Dies ist die Linux-App namens Detic, deren neueste Version als Deticsourcecode.tar.gz heruntergeladen werden kann. Sie kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens Detic mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS:
Detic
BESCHREIBUNG:
Detic („Detecting Twenty-thousand Classes using Image-level Supervision“) ist ein Objektdetektor mit großem Vokabular, der durch die Nutzung von Bildebenen-Labels über vollständig annotierte Datensätze hinaus skaliert. Es entkoppelt Lokalisierung von Klassifizierung und trainiert einen starken Box-Lokalisierer anhand von Standarderkennungsdaten, während Klassifikatoren anhand von schwacher Supervision und großen Bild-Tag-Korpora erlernt werden. Ein gemeinsam genutztes Region-Proposal-Backbone speist einen flexiblen Klassifizierungskopf, der ohne umfassende Box-Annotationen auf Zehntausende von Kategorien erweitert werden kann. Das System unterstützt Zero- oder Few-Shot-Erweiterungen auf neue Kategorien durch semantische Einbettungen und Klassennamen-Supervision, wodurch Open-World-Erkennung praktikabel wird. Das auf Detectron2 basierende Repo enthält Konfigurationen, vortrainierte Gewichte und Konvertierungstools zum Mischen von vollständig und schwach überwachten Quellen. Detic ist besonders nützlich für Anwendungen, bei denen der Label-Raum umfangreich und lang ist, eine dichte Bounding-Box-Annotation jedoch nicht möglich ist.
Eigenschaften
- Erkennung großer Vokabeln mit entkoppelter Lokalisierung und Klassifizierung
- Training von Tags auf Bildebene zur skalierten Erweiterung von Kategorien
- Kompatibilität mit Detectron2-Backbones und Region Proposal Heads
- Zero-/Few-Shot-Transfer über semantische Klasseneinbettungen und Namen
- Konfigurationen und Gewichte zum Mischen vollständig und schwach überwachter Daten
- Tools für die Konvertierung, Auswertung und Bereitstellung großer Etikettenbereiche
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch von https://sourceforge.net/projects/detic.mirror/ heruntergeladen werden. Sie wurde in OnWorks gehostet, um sie auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme aus ausführen zu können.