This is the Windows app named MAE (Masked Autoencoders) whose latest release can be downloaded as maesourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download en gebruik online gratis deze app genaamd MAE (Masked Autoencoders) met 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 een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-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 en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCREENSHOTS
Ad
MAE (gemaskeerde auto-encoders)
PRODUCTBESCHRIJVING
MAE (Masked Autoencoders) is een zelf-supervised learning framework voor het leren van visuele representatie met behulp van gemaskeerde beeldmodellering. Het traint een Vision Transformer (ViT) door willekeurig een hoog percentage beeldvlakken (doorgaans 75%) te maskeren en de ontbrekende content te reconstrueren op basis van de resterende zichtbare vlakken. Dit dwingt het model om zonder supervisie de semantische structuur en globale context te leren. De encoder verwerkt alleen de zichtbare vlakken, terwijl een lichtgewicht decoder het volledige beeld reconstrueert, wat pretraining computationeel efficiënt maakt. Na pretraining fungeert de encoder als een krachtige backbone voor downstream-taken zoals beeldclassificatie, segmentatie en detectie, en bereikt hij topprestaties met minimale finetuning. De repository biedt voorgetrainde modellen, finetuningscripts, evaluatieprotocollen en visualisatietools voor de reconstructiekwaliteit en geleerde kenmerken.
Kenmerken
- Gemaskeerde beeldmodellering met willekeurige patchmaskering met hoge verhouding
- Efficiënte voortraining via encoder-decoder-scheiding (encoder ziet alleen zichtbare patches)
- Schaalbare Vision Transformer-backbone voor downstream vision-taken
- Vooraf getrainde modellen en fine-tuning scripts voor classificatie, detectie en segmentatie
- Visualisatiehulpmiddelen voor reconstructie- en representatieanalyse
- Zelf-gesuperviseerd trainingsparadigma waarvoor geen gelabelde gegevens nodig zijn
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/mae-masked-autoencoders.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
