این یک برنامه لینوکس به نام Detect and Track است که آخرین نسخه آن را می‌توانید با نام Detect-Tracksourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام Detect and Track with OnWorks را به صورت رایگان دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
اسکرین شات ها:
شناسایی و ردیابی
DESCRIPTION:
Detect-Track پیاده‌سازی رسمی مقاله ICCV 2017 با عنوان «تشخیص برای ردیابی و ردیابی برای شناسایی» نوشته کریستوف فیختنهوفر، اکسل پینز و اندرو زیسرمن است. این چارچوب، تشخیص و ردیابی شیء را در یک خط لوله واحد متحد می‌کند و به تشخیص اجازه می‌دهد تا از ردیابی و ردیابی برای افزایش عملکرد تشخیص پشتیبانی کند. این کد که بر اساس نسخه اصلاح‌شده R-FCN ساخته شده است، پیاده‌سازی‌هایی را با استفاده از شبکه‌های اصلی مانند ResNet-50، ResNet-101، ResNeXt-101 و Inception-v4 ارائه می‌دهد که نتایج آن نشان‌دهنده دقت پیشرفته در مجموعه داده‌های ImageNet VID است. این مخزن شامل اسکریپت‌های آموزش و آزمایش مبتنی بر MATLAB، همراه با مدل‌های از پیش آموزش‌دیده و پیشنهادهای منطقه از پیش محاسبه‌شده برای تکرارپذیری است. پیکربندی‌های آزمایش چندگانه در دسترس هستند، از جمله ورودی چند فریمی و نسخه‌های بهبود یافته که جعبه‌های ردیابی را اصلاح کرده و اطمینان تشخیص را در فریم‌ها ادغام می‌کنند.
امکانات
- چارچوب تشخیص برای ردیابی و ردیابی برای شناسایی (ICCV 2017) را پیاده‌سازی می‌کند.
- ساخته شده بر روی یک R-FCN اصلاح‌شده با ستون فقرات ResNet، ResNeXt و Inception
- مدل‌های از پیش آموزش‌دیده و پیشنهادهای ناحیه از پیش محاسبه‌شده را ارائه می‌دهد
- اسکریپت‌های آموزش و آزمایش برای مجموعه داده‌های ImageNet VID و DET
- حالت‌های تست چندگانه شامل ردیابی چند فریمی و اصلاح‌شده
- نتایج به بیش از ۸۲٪ mAP در مجموعه اعتبارسنجی ImageNet VID دست یافتند
زبان برنامه نویسی
C++، MATLAB
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/detect-and-track.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.