این برنامه ویندوزی CFNet نام دارد که آخرین نسخه آن را می‌توانید با نام cfnetsourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی وب رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام CFNet 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. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS 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. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
سی‌اف‌نت
DESCRIPTION:
CFNet پیاده‌سازی رسمی یادگیری بازنمایی سرتاسری برای ردیابی مبتنی بر فیلتر همبستگی (CVPR 2017) توسط لوکا برتینتو، جک والمادره، خوآئو اف. هنریکس، آندره‌آ ودالدی و فیلیپ اچ‌اس تور است. این چارچوب، فیلترهای همبستگی را با شبکه‌های عصبی کانولوشنی عمیق ترکیب می‌کند تا یک ردیاب بصری شیء کارآمد و دقیق ایجاد کند. برخلاف ردیاب‌های فیلتر همبستگی سنتی که به ویژگی‌های دست‌ساز متکی هستند، CFNet بازنمایی‌های ویژگی را مستقیماً از داده‌ها به صورت سرتاسری یاد می‌گیرد. این امر به ردیاب اجازه می‌دهد تا هم از نظر محاسباتی کارآمد باشد و هم در برابر تغییرات ظاهری مانند تغییرات مقیاس، چرخش و روشنایی مقاوم باشد. این مخزن، مدل‌های از پیش آموزش‌دیده، کد آموزشی و اسکریپت‌های آزمایشی را برای ارزیابی ردیاب در معیارهای استاندارد ارائه می‌دهد. CFNet با پر کردن شکاف بین فیلترهای همبستگی و یادگیری عمیق، پایه‌ای برای تحقیقات بیشتر در ردیابی شیء در زمان واقعی فراهم می‌کند.
امکانات
- ردیاب CFNet از CVPR 2017 را پیاده‌سازی می‌کند.
- یادگیری سرتاسری نمایش‌های فیلتر همبستگی
- کارایی فیلترهای همبستگی را با استحکام شبکه‌های عصبی کانولوشن ترکیب می‌کند.
- مدل‌های از پیش آموزش‌دیده و اسکریپت‌های ارزیابی گنجانده شده است
- کد آموزشی برای بازتولید نتایج ارائه شده است
- مناسب برای تحقیقات ردیابی بصری اشیاء در زمان واقعی
زبان برنامه نویسی
MATLAB
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/cfnet.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش از یکی از سیستم‌های عامل رایگان ما به صورت آنلاین اجرا کرد.