This is the Linux app named Detect and Track whose latest release can be downloaded as Detect-Tracksourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download en gebruik online gratis de app Detect and Track with OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
Detecteren en volgen
BESCHRIJVING:
Detect-Track is de officiële implementatie van het ICCV 2017-artikel 'Detect to Track and Track to Detect' van Christoph Feichtenhofer, Axel Pinz en Andrew Zisserman. Het framework verenigt objectdetectie en -tracking in één pijplijn, waardoor detectie tracking kan ondersteunen en tracking de detectieprestaties kan verbeteren. De code is gebaseerd op een aangepaste versie van R-FCN en biedt implementaties die gebruikmaken van backbone-netwerken zoals ResNet-50, ResNet-101, ResNeXt-101 en Inception-v4, met resultaten die state-of-the-art nauwkeurigheid in de ImageNet VID-dataset aantonen. De repository bevat MATLAB-gebaseerde trainings- en testscripts, evenals vooraf getrainde modellen en vooraf berekende regiovoorstellen voor reproduceerbaarheid. Er zijn meerdere testconfiguraties beschikbaar, waaronder multi-frame-invoer en verbeterde versies die trackingboxen verfijnen en detectievertrouwen over frames integreren.
Kenmerken
- Implementeert Detect-to-Track en Track-to-Detect-framework (ICCV 2017)
- Gebouwd op een aangepaste R-FCN met ResNet-, ResNeXt- en Inception-backbones
- Biedt vooraf getrainde modellen en vooraf berekende regiovoorstellen
- Trainings- en testscripts voor ImageNet VID- en DET-datasets
- Meerdere testmodi, waaronder multi-frame en verfijnde tracking
- Resultaten bereiken meer dan 82% mAP op ImageNet VID-validatieset
Programmeertaal
C++, MATLAB
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/detect-and-track.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.