Il s'agit de l'application Windows DINOv2, dont la dernière version est téléchargeable sous le nom dinov2sourcecode.tar.gz. Elle peut être exécutée en ligne sur l'hébergeur gratuit OnWorks pour postes de travail.
Téléchargez et exécutez en ligne cette application nommée DINOv2 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 n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows 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 et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN
Ad
DINov2
DESCRIPTION
DINOv2 est un framework d'apprentissage de la vision auto-supervisé qui produit des représentations d'images robustes et polyvalentes sans utiliser d'étiquettes humaines. Il s'appuie sur le principe DINO de distillation élève-enseignant et l'adapte aux architectures Vision Transformer modernes grâce à une formule soigneusement optimisée pour l'augmentation, l'optimisation et l'apprentissage multi-recadrage des données. Sa promesse principale est qu'une architecture pré-entraînée unique peut être facilement transférée vers de nombreuses tâches en aval, du sondage linéaire pour la classification à la récupération, la détection et la segmentation, nécessitant souvent peu, voire aucun réglage fin. Le référentiel comprend du code pour l'apprentissage, l'évaluation et l'extraction de caractéristiques, ainsi que des utilitaires permettant d'exécuter des références d'évaluation k-NN ou linéaires afin d'évaluer la qualité des représentations. Les points de contrôle pré-entraînés couvrent plusieurs tailles de modèles, permettant aux praticiens de privilégier la précision à la vitesse et à la mémoire en fonction de leurs contraintes de déploiement.
Fonctionnement
- Recette de formation auto-supervisée pour les backbones ViT utilisant la distillation élève-enseignant
- Fonctionnalités puissantes et indépendantes des tâches, transférables à la classification, à la récupération et à la segmentation
- Poids pré-entraînés prêts à l'emploi à plusieurs échelles de modèles
- Scripts d'évaluation de base pour les sondes linéaires et les classificateurs k-NN
- Utilitaires d'extraction de fonctionnalités pour les pipelines en aval et la recherche du voisin le plus proche
- Configurations reproductibles et utilitaires de formation pour la préformation à grande échelle
Langage de programmation
Python
Catégories
Cette application peut également être téléchargée depuis https://sourceforge.net/projects/dinov2.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne plus facilement depuis l'un de nos systèmes d'exploitation gratuits.
