Dit is de Windows-app RefineNet, waarvan de nieuwste versie kan worden gedownload als refinenetsourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app met de naam RefineNet 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
RefineNet
PRODUCTBESCHRIJVING
RefineNet is een MATLAB-gebaseerd framework voor semantische beeldsegmentatie en algemene taken voor dichte voorspelling. Het implementeert de architectuur die werd gepresenteerd in het CVPR-artikel uit 2017, RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation, en de uitgebreide versie ervan, gepubliceerd in TPAMI 2019. Het framework maakt gebruik van multi-path verfijning en verbeterde residuele pooling om hoogwaardige segmentatieresultaten te behalen over meerdere benchmarkdatasets. Het biedt getrainde modellen voor datasets zoals PASCAL VOC 2012, Cityscapes, NYUDv2, Person_Parts, PASCAL_Context, SUNRGBD en ADE20k, met versies gebaseerd op de ResNet-101- en ResNet-152-backbones. De repository ondersteunt zowel enkelvoudige als meervoudige voorspellingen, met scripts voor het trainen, testen en evalueren van segmentatieprestaties. Hoewel deze codebase specifiek is voor MATLAB en MatConvNet, zijn er ook een PyTorch-implementatie en lichtere varianten beschikbaar via de community.
Kenmerken
- Implementeert RefineNet voor semantische segmentatie met hoge resolutie
- Biedt getrainde modellen op zeven benchmark-datasets
- Ondersteunt enkelvoudige en meervoudige schaalvoorspelling met fusie
- Gebruikt verbeterde restpooling voor betere segmentatienauwkeurigheid
- Bevat trainings- en evaluatiescripts voor aangepaste datasets
- Compatibel met ResNet-101 en ResNet-152 backbones in MatConvNet
Programmeertaal
C++, MATLAB, Python, Unix Shell
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/refinenet.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
