これはMultiPathNetというLinuxアプリケーションで、最新リリースはmultipathnetsourcecode.tar.gzとしてダウンロードできます。ワークステーション向けの無料ホスティングプロバイダーであるOnWorksでオンラインで実行できます。
OnWorks を使用して、MultiPathNet というこのアプリを無料でダウンロードし、オンラインで実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOnWorksLinuxオンラインまたはWindowsオンラインエミュレーターまたはMACOSオンラインエミュレーターを起動します。
-5。起動したばかりのOnWorksLinux OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードし、インストールして実行します。
スクリーンショット：
マルチパスネット
説明：
MultiPathNetは、Facebook AI Researchが開発した論文「物体検出のためのマルチパスネットワーク」（BMVC 2016）のTorch-7実装です。複数のネットワーク「パス」を導入することでFast R-CNNフレームワークを拡張し、特徴抽出と物体認識の堅牢性を高めています。MultiPathアーキテクチャは、スキップ接続とマルチスケール処理を組み込んでおり、単一の検出パイプライン内できめ細かい詳細と高レベルのコンテキストの両方を捉えます。その結果、標準的なシングルパスアーキテクチャと比較して、さまざまな物体サイズとカテゴリにわたる検出精度が向上します。リポジトリは、PASCAL VOCやMS COCOなどの一般的なデータセットでの物体検出タスクのトレーニング、評価、視覚化をサポートしています。VGG、AlexNet、ResNetバックボーン用の事前トレーニング済みモデルを提供し、SharpMaskおよびDeepMaskプロポーザルジェネレーターとの統合も可能です。
オプション
- Torch-7に高速R-CNNとマルチパス物体検出を実装
- マルチスケールおよびマルチパスの特徴抽出により検出精度を向上
- 主要なバックボーンをサポート: AlexNet、VGG、ResNet、Inception-v3
- 領域提案生成のためにSharpMaskおよびDeepMaskと統合
- データ並列処理によるマルチ GPU および EC2 対応のトレーニング
- COCOおよびPASCAL VOC評価用の事前学習済みモデルとスクリプト
プログラミング言語
C、Lua、Unixシェル
カテゴリー
このアプリケーションは、https://sourceforge.net/projects/multipathnet.mirror/ からも入手できます。OnWorks でホストされているため、無料のオペレーティングシステムから最も簡単にオンラインで実行できます。