This is the Windows app named RefineNet whose latest release can be downloaded as refinenetsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Scarica ed esegui online gratuitamente questa app chiamata RefineNet 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
RefineNet
DESCRIZIONE
RefineNet è un framework basato su MATLAB per la segmentazione semantica di immagini e per attività di predizione densa in generale. Implementa l'architettura presentata nel documento CVPR 2017 "RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation" e la sua versione estesa pubblicata su TPAMI 2019. Il framework utilizza il raffinamento multi-path e un pooling dei residui migliorato per ottenere risultati di segmentazione di alta qualità su più set di dati di riferimento. Fornisce modelli addestrati per set di dati come PASCAL VOC 2012, Cityscapes, NYUDv2, Person_Parts, PASCAL_Context, SUNRGBD e ADE20k, con versioni basate sui backbone ResNet-101 e ResNet-152. Il repository supporta sia la predizione a scala singola che multiscala, con script per l'addestramento, il test e la valutazione delle prestazioni di segmentazione. Sebbene questa base di codice sia specifica per MATLAB e MatConvNet, la community mette a disposizione anche un'implementazione PyTorch e varianti più leggere.
Caratteristiche
- Implementa RefineNet per la segmentazione semantica ad alta risoluzione
- Fornisce modelli addestrati su sette set di dati di riferimento
- Supporta la previsione su scala singola e multiscala con fusione
- Utilizza un pooling residuo migliorato per una migliore precisione di segmentazione
- Include script di formazione e valutazione per set di dati personalizzati
- Compatibile con i backbone ResNet-101 e ResNet-152 in MatConvNet
Linguaggio di programmazione
C++, MATLAB, Python, Shell Unix
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/refinenet.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.
