این برنامه لینوکس به نام DETR است که آخرین نسخه آن را می‌توان به‌عنوان پشتیبانی Detectron2andtorchscript، attentionandpanopticnotebooks، codeimprovements.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن به نام DETR را با OnWorks به صورت آنلاین 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:
DETR
DESCRIPTION:
کد آموزشی PyTorch و مدل های از پیش آموزش داده شده برای DETR (DEtection TRAnformer). ما خط لوله تشخیص اشیاء دست ساز کامل را با یک ترانسفورماتور جایگزین می کنیم و سریعتر R-CNN را با ResNet-50 تطبیق می دهیم و 42 AP را در COCO با استفاده از نصف توان محاسباتی (FLOPs) و همان تعداد پارامتر به دست می آوریم. استنتاج در 50 خط PyTorch. آنچه هست. برخلاف تکنیک‌های بینایی رایانه‌ای سنتی، DETR به تشخیص شی به عنوان یک مشکل پیش‌بینی مجموعه مستقیم نزدیک می‌شود. این شامل یک تلفات جهانی مبتنی بر مجموعه است، که پیش‌بینی‌های منحصربه‌فردی را از طریق تطبیق دوبخشی و معماری رمزگذار-رمزگشا Transformer انجام می‌دهد. با توجه به مجموعه کوچک ثابتی از پرس و جوهای اشیاء آموخته شده، DETR در مورد روابط اشیاء و زمینه تصویر کلی استدلال می کند تا مستقیماً مجموعه نهایی پیش بینی ها را به صورت موازی خروجی دهد. با توجه به این ماهیت موازی، DETR بسیار سریع و کارآمد است.
امکانات
- پیاده سازی و آزمایش DETR بسیار ساده است
- ما مدل های پایه DETR و DETR-DC5 را ارائه می دهیم
- این مدل ها از طریق هاب مشعل نیز در دسترس هستند
- هیچ مؤلفه کامپایل شده اضافی در DETR وجود ندارد و وابستگی های بسته حداقل هستند
- ما DETR را با تنظیم نرخ یادگیری AdamW در ترانسفورماتور به 1e-4 و 1e-5 در ستون فقرات آموزش می دهیم.
- ما نشان می‌دهیم که گسترش DETR برای پیش‌بینی ماسک‌های تقسیم‌بندی نسبتاً ساده است
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می توان آن را از https://sourceforge.net/projects/detr.mirror/ نیز دریافت کرد. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.