Dit is de Linux-app met de naam DETR waarvan de nieuwste release kan worden gedownload als Detectron2andtorchscriptsupport,attentionandpanopticnotebooks,codeimprovements.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik deze app genaamd DETR met OnWorks gratis online.
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:
Detri
BESCHRIJVING:
PyTorch-trainingscode en voorgetrainde modellen voor DETR (DEtection TRansformer). We vervangen de volledige complexe, handgemaakte objectdetectiepijplijn door een Transformer en matchen Faster R-CNN met een ResNet-50, waarbij we 42 AP op COCO verkrijgen met de helft van de rekenkracht (FLOP's) en hetzelfde aantal parameters. Inferentie in 50 regels van PyTorch. Wat het is. In tegenstelling tot traditionele computervisietechnieken, benadert DETR objectdetectie als een direct set-voorspellingsprobleem. Het bestaat uit een set-gebaseerd globaal verlies, dat unieke voorspellingen afdwingt via bipartiete matching, en een Transformer encoder-decoder-architectuur. Gegeven een vaste kleine set van geleerde objectquery's, redeneert DETR over de relaties van de objecten en de globale beeldcontext om de laatste set voorspellingen direct parallel uit te voeren. Door dit parallelle karakter is DETR erg snel en efficiënt.
Voordelen
- DETR is heel eenvoudig te implementeren en mee te experimenteren
- We bieden baseline DETR- en DETR-DC5-modellen
- De modellen zijn ook verkrijgbaar via torch hub
- Er zijn geen extra gecompileerde componenten in DETR en pakketafhankelijkheden zijn minimaal
- We trainen DETR met AdamW die de leersnelheid in de transformator instelt op 1e-4 en 1e-5 in de backbone
- We laten zien dat het relatief eenvoudig is om DETR uit te breiden om segmentatiemaskers te voorspellen
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/detr.mirror/. Het is gehost in OnWorks om op een gemakkelijkste manier online te kunnen worden uitgevoerd vanuit een van onze gratis besturingssystemen.