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.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ຊື່ RefineNet ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ໜ້າ ຈໍ
Ad
RefineNet
ລາຍລະອຽດ
RefineNet ແມ່ນກອບທີ່ອີງໃສ່ MATLAB ສໍາລັບການແບ່ງສ່ວນຮູບພາບ semantic ແລະວຽກງານການຄາດຄະເນຄວາມຫນາແຫນ້ນທົ່ວໄປ. ມັນປະຕິບັດສະຖາປັດຕະຍະກໍາທີ່ນໍາສະເຫນີໃນເອກະສານ CVPR 2017 RefineNet: ເຄືອຂ່າຍການປັບປຸງຫຼາຍເສັ້ນທາງສໍາລັບການແບ່ງສ່ວນ Semantic ທີ່ມີຄວາມລະອຽດສູງແລະສະບັບຂະຫຍາຍຂອງມັນທີ່ຈັດພີມມາໃນ TPAMI 2019. ກອບໃຊ້ການປັບປຸງຫຼາຍເສັ້ນທາງແລະການລວມເອົາສ່ວນທີ່ເຫຼືອເພື່ອບັນລຸຜົນໄດ້ຮັບການແບ່ງສ່ວນທີ່ມີຄຸນນະພາບສູງໃນທົ່ວຊຸດຂໍ້ມູນມາດຕະຖານຫຼາຍ. ມັນສະຫນອງຕົວແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມສໍາລັບຊຸດຂໍ້ມູນເຊັ່ນ: PASCAL VOC 2012, Cityscapes, NYUDv2, Person_Parts, PASCAL_Context, SUNRGBD, ແລະ ADE20k, ທີ່ມີຮຸ່ນທີ່ອີງໃສ່ ResNet-101 ແລະ ResNet-152 backbones. repository ສະຫນັບສະຫນູນທັງການຄາດຄະເນຂະຫນາດດຽວແລະຫຼາຍຂະຫນາດ, ມີ scripts ສໍາລັບການຝຶກອົບຮົມ, ການທົດສອບ, ແລະການປະເມີນຜົນການປະຕິບັດ segmentation. ໃນຂະນະທີ່ codebase ນີ້ແມ່ນສະເພາະກັບ MATLAB ແລະ MatConvNet, ການປະຕິບັດ PyTorch ແລະຕົວແປທີ່ມີນ້ໍາຫນັກເບົາແມ່ນມີຢູ່ໃນຊຸມຊົນ.
ຄຸນລັກສະນະ
- ປະຕິບັດ RefineNet ສໍາລັບການແບ່ງສ່ວນ semantic ຄວາມລະອຽດສູງ
- ສະຫນອງຕົວແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນເຈັດຊຸດຂໍ້ມູນມາດຕະຖານ
- ສະຫນັບສະຫນູນການຄາດຄະເນຂະຫນາດດຽວແລະຫຼາຍຂະຫນາດທີ່ມີ fusion
- ໃຊ້ການປັບປຸງການລວມສ່ວນທີ່ເຫຼືອສໍາລັບຄວາມຖືກຕ້ອງຂອງການແບ່ງສ່ວນທີ່ດີຂຶ້ນ
- ລວມມີສະຄຣິບການຝຶກອົບຮົມ ແລະ ການປະເມີນສຳລັບຊຸດຂໍ້ມູນແບບກຳນົດເອງ
- ເຂົ້າກັນໄດ້ກັບກະດູກສັນຫຼັງ ResNet-101 ແລະ ResNet-152 ໃນ MatConvNet
ພາສາການຂຽນໂປຣແກຣມ
C++, MATLAB, Python, Unix Shell
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/refinenet.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.
