Il s'agit de l'application Linux nommée DETR dont la dernière version peut être téléchargée sous le nom Detectron2andtorchscriptsupport,attentionandpanopticnotebooks,codeimprovements.zip. Il peut être exécuté en ligne sur le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée DETR avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
DETR
DESCRIPTION:
Code d'entraînement PyTorch et modèles pré-entraînés pour DETR (DEtection TRansformer). Nous remplaçons le pipeline de détection d'objets entièrement complexe fabriqué à la main par un transformateur et faisons correspondre Faster R-CNN avec un ResNet-50, obtenant 42 AP sur COCO en utilisant la moitié de la puissance de calcul (FLOP) et le même nombre de paramètres. Inférence dans 50 lignes de PyTorch. Ce que c'est. Contrairement aux techniques traditionnelles de vision par ordinateur, DETR aborde la détection d'objets comme un problème de prédiction d'ensemble direct. Il se compose d'une perte globale basée sur un ensemble, qui force des prédictions uniques via une correspondance bipartite, et d'une architecture encodeur-décodeur Transformer. Étant donné un petit ensemble fixe de requêtes d'objets apprises, DETR raisonne sur les relations des objets et le contexte global de l'image pour sortir directement l'ensemble final de prédictions en parallèle. En raison de cette nature parallèle, DETR est très rapide et efficace.
Fonctionnalités:
- DETR est très simple à mettre en œuvre et à expérimenter
- Nous fournissons des modèles DETR et DETR-DC5 de base
- Les modèles sont également disponibles via le hub de torche
- Il n'y a pas de composants compilés supplémentaires dans DETR et les dépendances des packages sont minimes
- Nous formons DETR avec AdamW en réglant le taux d'apprentissage dans le transformateur sur 1e-4 et 1e-5 dans le backbone
- Nous montrons qu'il est relativement simple d'étendre DETR pour prédire les masques de segmentation
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/detr.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.