This is the Windows app named maskrcnn-benchmark whose latest release can be downloaded as Initialreleasesourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Scarica ed esegui online gratuitamente questa app denominata maskrcnn-benchmark con OnWorks.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avvia qualsiasi emulatore online OS OnWorks da questo sito Web, ma migliore emulatore online Windows.
- 5. Dal sistema operativo OnWorks Windows che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione e installala.
- 7. Scarica Wine dai repository software delle tue distribuzioni Linux. Una volta installato, puoi quindi fare doppio clic sull'app per eseguirli con Wine. Puoi anche provare PlayOnLinux, un'interfaccia fantasiosa su Wine che ti aiuterà a installare programmi e giochi Windows popolari.
Wine è un modo per eseguire il software Windows su Linux, ma senza Windows richiesto. Wine è un livello di compatibilità Windows open source in grado di eseguire programmi Windows direttamente su qualsiasi desktop Linux. Essenzialmente, Wine sta cercando di re-implementare abbastanza Windows da zero in modo che possa eseguire tutte quelle applicazioni Windows senza effettivamente bisogno di Windows.
IMMAGINI
Ad
maskrcnn-benchmark
DESCRIZIONE
Mask R-CNN Benchmark è un framework basato su PyTorch che fornisce implementazioni ad alte prestazioni di modelli di rilevamento di oggetti, segmentazione di istanze e rilevamento di punti chiave. Originariamente progettato per il benchmarking di Mask R-CNN e modelli correlati, offre un design pulito e modulare per addestrare e valutare in modo efficiente i sistemi di rilevamento su set di dati standard come COCO. Il framework integra componenti critici - reti di proposte di regioni (RPN), livelli RoIAlign, teste di maschera e architetture backbone come ResNet e FPN - ottimizzati sia per accuratezza che per velocità. Supporta l'addestramento distribuito multi-GPU, la precisione mista e caricatori di dati personalizzati per nuovi set di dati. Progettato come implementazione di riferimento, è diventato la base per il Detectron2 di nuova generazione, ma rimane ampiamente utilizzato per la ricerca che necessita di un ambiente stabile e riproducibile. Strumenti di visualizzazione, checkpoint di Model Zoo e script di benchmark semplificano la replica di risultati all'avanguardia o la messa a punto di modelli per attività personalizzate.
Caratteristiche
- Implementazioni ad alte prestazioni di Mask R-CNN, Faster R-CNN e modelli keypoint
- Componenti modulari per RPN, RoIAlign, teste di maschera e dorsali
- Formazione distribuita multi-GPU e supporto di precisione mista
- Supporto e caricatori di dataset per COCO, Pascal VOC e dataset personalizzati
- Strumenti di visualizzazione e valutazione per i risultati di rilevamento e segmentazione
- Implementazione di riferimento riproducibile per benchmarking e messa a punto
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/maskrcnn-benchmark.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
