Dies ist die Linux-App namens DETR, deren neueste Version als Detectron2 andtorchscriptsupport,attentionandpanopticnotebooks,codeimprovements.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens DETR 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
Ad
DETR
BESCHREIBUNG
PyTorch-Trainingscode und vortrainierte Modelle für DETR (DEtection TRansformer). Wir ersetzen die komplette komplexe, handgefertigte Objekterkennungspipeline durch einen Transformer und passen Faster R-CNN mit einem ResNet-50 an, wodurch wir 42 AP auf COCO mit der halben Rechenleistung (FLOPs) und der gleichen Anzahl von Parametern erhalten. Inferenz in 50 Zeilen von PyTorch. Was es ist. Im Gegensatz zu herkömmlichen Computer-Vision-Techniken nähert sich DETR der Objekterkennung als Problem der direkten Vorhersage von Mengen. Es besteht aus einem mengenbasierten globalen Verlust, der einzigartige Vorhersagen über bipartite Matching erzwingt, und einer Transformer-Encoder-Decoder-Architektur. Bei einem festen kleinen Satz von gelernten Objektabfragen argumentiert DETR über die Beziehungen der Objekte und den globalen Bildkontext, um den endgültigen Satz von Vorhersagen parallel direkt auszugeben. Aufgrund dieser Parallelität ist DETR sehr schnell und effizient.
Eigenschaften
- DETR ist sehr einfach zu implementieren und zu experimentieren
- Wir bieten die Basismodelle DETR und DETR-DC5 an
- Die Modelle sind auch über Brennerhub erhältlich
- Es gibt keine extra kompilierten Komponenten in DETR und Paketabhängigkeiten sind minimal
- Wir trainieren DETR mit AdamW-Einstellung der Lernrate im Transformator auf 1e-4 und 1e-5 im Backbone
- Wir zeigen, dass es relativ einfach ist, DETR zu erweitern, um Segmentierungsmasken vorherzusagen
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/detr.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, um auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt zu werden.
