This is the Linux app named Detect and Track whose latest release can be downloaded as Detect-Tracksourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Unduh dan jalankan aplikasi ini secara daring bernama Deteksi dan Lacak dengan OnWorks secara gratis.
Ikuti petunjuk ini untuk menjalankan aplikasi ini:
- 1. Download aplikasi ini di PC Anda.
- 2. Masuk ke file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan username yang anda inginkan.
- 3. Upload aplikasi ini di filemanager tersebut.
- 4. Jalankan emulator online OnWorks Linux atau Windows online atau emulator online MACOS dari situs web ini.
- 5. Dari OS Linux OnWorks yang baru saja Anda mulai, buka file manager kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang Anda inginkan.
- 6. Download aplikasinya, install dan jalankan.
Tangkapan layar
Ad
Deteksi dan Lacak
DESKRIPSI
Detect-Track adalah implementasi resmi dari makalah ICCV 2017, Detect to Track dan Track to Detect, karya Christoph Feichtenhofer, Axel Pinz, dan Andrew Zisserman. Kerangka kerja ini menyatukan deteksi dan pelacakan objek ke dalam satu alur kerja, yang memungkinkan deteksi untuk mendukung pelacakan dan pelacakan guna meningkatkan kinerja deteksi. Dibangun di atas versi modifikasi R-FCN, kode ini menyediakan implementasi menggunakan jaringan backbone seperti ResNet-50, ResNet-101, ResNeXt-101, dan Inception-v4, dengan hasil yang menunjukkan akurasi mutakhir pada dataset VID ImageNet. Repositori ini mencakup skrip pelatihan dan pengujian berbasis MATLAB, beserta model yang telah dilatih sebelumnya dan proposal wilayah yang telah dihitung sebelumnya untuk reproduktifitas. Tersedia beberapa konfigurasi pengujian, termasuk input multi-frame dan versi yang disempurnakan yang menyempurnakan kotak pelacakan dan mengintegrasikan keyakinan deteksi di seluruh frame.
Fitur
- Menerapkan kerangka kerja Deteksi-untuk-Lacak dan Lacak-untuk-Deteksi (ICCV 2017)
- Dibangun di atas R-FCN yang dimodifikasi dengan tulang punggung ResNet, ResNeXt, dan Inception
- Menyediakan model yang telah dilatih sebelumnya dan proposal wilayah yang telah dihitung sebelumnya
- Skrip pelatihan dan pengujian untuk dataset ImageNet VID dan DET
- Beberapa mode pengujian termasuk multi-frame dan pelacakan yang disempurnakan
- Hasil mencapai lebih dari 82% mAP pada set validasi VID ImageNet
Bahasa Pemrograman
C++, MATLAB
KATEGORI
Ini adalah aplikasi yang juga dapat diunduh dari https://sourceforge.net/projects/detect-and-track.mirror/. Aplikasi ini dihosting di OnWorks agar dapat dijalankan secara daring dengan cara termudah dari salah satu Sistem Operasi gratis kami.
