이것은 최신 릴리스를 Detectron2andtorchscriptsupport,attentionandpanopticnotebooks,codeimprovements.zip으로 다운로드할 수 있는 DETR이라는 Linux 앱입니다. 워크스테이션용 무료 호스팅 제공업체인 OnWorks에서 온라인으로 실행할 수 있습니다.
온라인에서 OnWorks와 함께 DETR이라는 앱을 무료로 다운로드하여 실행하십시오.
이 앱을 실행하려면 다음 지침을 따르세요.
- 1. 이 애플리케이션을 PC에 다운로드했습니다.
- 2. 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX에 원하는 사용자 이름을 입력합니다.
- 3. 이러한 파일 관리자에서 이 응용 프로그램을 업로드합니다.
- 4. 이 웹사이트에서 OnWorks Linux 온라인 또는 Windows 온라인 에뮬레이터 또는 MACOS 온라인 에뮬레이터를 시작합니다.
- 5. 방금 시작한 OnWorks Linux OS에서 원하는 사용자 이름으로 파일 관리자 https://www.onworks.net/myfiles.php?username=XXXXX로 이동합니다.
- 6. 응용 프로그램을 다운로드하여 설치하고 실행합니다.
스크린샷:
DETR
설명 :
PyTorch 훈련 코드 및 DETR(DEtection TRansformer)용 사전 훈련된 모델. 우리는 복잡한 수작업 객체 감지 파이프라인을 Transformer로 대체하고 Faster R-CNN을 ResNet-50과 일치시켜 절반의 계산 능력(FLOP)과 동일한 수의 매개변수를 사용하여 COCO에서 42 AP를 얻습니다. PyTorch의 50줄 추론. 그게 뭔지. 기존의 컴퓨터 비전 기술과 달리 DETR은 직접 집합 예측 문제로 객체 감지에 접근합니다. 이분 매칭을 통해 고유한 예측을 강제하는 집합 기반 전역 손실과 Transformer 인코더-디코더 아키텍처로 구성됩니다. 학습된 개체 쿼리의 고정된 작은 집합이 주어지면 DETR은 개체와 전역 이미지 컨텍스트의 관계에 대해 추론하여 최종 예측 집합을 병렬로 직접 출력합니다. 이러한 병렬 특성으로 인해 DETR은 매우 빠르고 효율적입니다.
특징
- DETR은 구현 및 실험이 매우 간단합니다.
- 기본 DETR 및 DETR-DC5 모델을 제공합니다.
- 모델은 토치 허브를 통해서도 사용할 수 있습니다.
- DETR에는 추가로 컴파일된 구성 요소가 없으며 패키지 종속성이 최소화됩니다.
- 우리는 변환기에서 학습률을 백본에서 1e-4 및 1e-5로 설정하는 AdamW로 DETR을 훈련합니다.
- 세분화 마스크를 예측하기 위해 DETR을 확장하는 것이 비교적 간단하다는 것을 보여줍니다.
프로그래밍 언어
Python
카테고리
이것은 https://sourceforge.net/projects/detr.mirror/에서도 가져올 수 있는 애플리케이션입니다. 무료 운영 체제 중 하나에서 가장 쉬운 방법으로 온라인으로 실행하기 위해 OnWorks에서 호스팅되었습니다.