این برنامه لینوکس با نام Raster Vision است که آخرین نسخه آن را می توان با نام RasterVision0.21.3sourcecode.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن Raster Vision 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.
عکس ها
Ad
Raster Vision
شرح
Raster Vision یک چارچوب متن باز برای توسعه دهندگان پایتون است که مدل های بینایی کامپیوتری را بر روی ماهواره، هوایی و سایر مجموعه های تصویری بزرگ (از جمله تصاویر پهپاد مورب) می سازند. پشتیبانی داخلی برای طبقه بندی تراشه، تشخیص اشیا و تقسیم بندی معنایی با استفاده از PyTorch وجود دارد. Raster Vision به مهندسان این امکان را می دهد که به سرعت و به طور مکرر خطوط لوله را پیکربندی کنند که از طریق اجزای اصلی یک گردش کار یادگیری ماشین می گذرد: تجزیه و تحلیل داده های آموزشی، ایجاد تراشه های آموزشی، مدل های آموزشی، ایجاد پیش بینی، ارزیابی مدل ها، و بسته بندی فایل های مدل و پیکربندی برای استقرار آسان. ورودی خط لوله Raster Vision مجموعه ای از تصاویر و داده های آموزشی است که به صورت اختیاری با مناطق مورد علاقه (AOI) که محل برچسب گذاری تصاویر را توضیح می دهد. خروجی خط لوله Raster Vision یک بسته مدل است که به شما امکان می دهد به راحتی از مدل ها در سناریوهای مختلف استقرار استفاده کنید.
امکانات
- جمع آوری آمار و معیارهای سطح مجموعه داده برای استفاده در فرآیندهای پایین دستی
- تراشه های آموزشی را از منابع مختلف تصویر و برچسب ایجاد کنید
- یک مدل را با استفاده از یک "backend" مانند PyTorch آموزش دهید
- با استفاده از مدل های آموزش دیده در مورد اعتبارسنجی و داده های آزمایشی پیش بینی کنید
- استخراج معیارهای ارزیابی مانند امتیاز F1، دقت و یادآوری در برابر پیشبینیهای مدل در مجموعه دادههای اعتبارسنجی
- بستهبندی مدل آموزشدیده و پیکربندی مرتبط در یک بسته مدل، که میتواند در فرآیندهای دستهای، سرورهای زنده و سایر گردشهای کاری مستقر شود.
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/raster-vision.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.