این یک برنامه ویندوزی به نام maskrcnn-benchmark است که آخرین نسخه آن را می‌توانید با نام Initialreleasesourcecode.tar.gz دانلود کنید. می‌توانید آن را به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کنید.
این برنامه با نام maskrcnn-benchmark را به صورت رایگان دانلود و به صورت آنلاین با OnWorks 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.
اسکرین شات ها:
maskrcnn-معیار
DESCRIPTION:
Mask R-CNN Benchmark یک چارچوب مبتنی بر PyTorch است که پیاده‌سازی‌های با کارایی بالا از مدل‌های تشخیص شیء، تقسیم‌بندی نمونه و تشخیص نقاط کلیدی را ارائه می‌دهد. این چارچوب که در ابتدا برای ارزیابی Mask R-CNN و مدل‌های مرتبط ساخته شده بود، یک طراحی تمیز و ماژولار برای آموزش و ارزیابی کارآمد سیستم‌های تشخیص بر روی مجموعه داده‌های استاندارد مانند COCO ارائه می‌دهد. این چارچوب اجزای حیاتی - شبکه‌های پیشنهاد منطقه (RPN)، لایه‌های RoIAlign، سرهای ماسک و معماری‌های ستون فقرات مانند ResNet و FPN - را که برای دقت و سرعت بهینه شده‌اند، ادغام می‌کند. این چارچوب از آموزش توزیع‌شده چند پردازنده گرافیکی، دقت ترکیبی و بارگذاری‌کننده‌های داده سفارشی برای مجموعه داده‌های جدید پشتیبانی می‌کند. این چارچوب که به عنوان یک پیاده‌سازی مرجع ساخته شده است، به پایه‌ای برای نسل بعدی Detectron2 تبدیل شد، اما همچنان به طور گسترده برای تحقیقاتی که به یک محیط پایدار و قابل تکرار نیاز دارند، مورد استفاده قرار می‌گیرد. ابزارهای تجسم، نقاط بازرسی مدل Zoo و اسکریپت‌های معیار، تکرار نتایج پیشرفته یا تنظیم دقیق مدل‌ها را برای کارهای سفارشی آسان می‌کنند.
امکانات
- پیاده‌سازی‌های با کارایی بالا از مدل‌های Mask R-CNN، Faster R-CNN و keypoint
- اجزای ماژولار برای RPNها، RoIAlign، سر ماسک‌ها و ستون فقرات
- آموزش توزیع‌شده با چند پردازنده گرافیکی و پشتیبانی از دقت ترکیبی
- پشتیبانی از مجموعه داده‌ها و بارگذاری‌کننده‌ها برای COCO، Pascal VOC و مجموعه داده‌های سفارشی
- ابزارهای تجسم و ارزیابی برای نتایج تشخیص و قطعه‌بندی
- پیاده‌سازی مرجع تکرارپذیر برای بنچمارک‌گیری و تنظیم دقیق
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/maskrcnn-benchmark.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.