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.
Baixe e execute online este aplicativo chamado MAE (Masked Autoencoders) com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie qualquer emulador on-line OS OnWorks a partir deste site, mas um emulador on-line melhor do Windows.
- 5. No sistema operacional OnWorks Windows que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo e instale-o.
- 7. Baixe o Wine de seus repositórios de software de distribuição Linux. Depois de instalado, você pode clicar duas vezes no aplicativo para executá-lo com o Wine. Você também pode experimentar o PlayOnLinux, uma interface sofisticada do Wine que o ajudará a instalar programas e jogos populares do Windows.
Wine é uma forma de executar software Windows no Linux, mas sem a necessidade de Windows. Wine é uma camada de compatibilidade do Windows de código aberto que pode executar programas do Windows diretamente em qualquer desktop Linux. Essencialmente, o Wine está tentando reimplementar o suficiente do Windows do zero para que possa executar todos os aplicativos do Windows sem realmente precisar do Windows.
SCREENSHOTS
Ad
MAE (Autocodificadores Mascarados)
DESCRIÇÃO
MAE (Masked Autoencoders) é uma estrutura de aprendizado autossupervisionada para aprendizagem de representação visual usando modelagem de imagem mascarada. Ela treina um Transformador de Visão (ViT) mascarando aleatoriamente uma alta porcentagem de manchas de imagem (tipicamente 75%) e reconstruindo o conteúdo ausente a partir das manchas visíveis restantes. Isso força o modelo a aprender a estrutura semântica e o contexto global sem supervisão. O codificador processa apenas as manchas visíveis, enquanto um decodificador leve reconstrói a imagem completa, tornando o pré-treinamento computacionalmente eficiente. Após o pré-treinamento, o codificador atua como uma poderosa estrutura para tarefas posteriores, como classificação, segmentação e detecção de imagens, alcançando o máximo desempenho com o mínimo de ajuste fino. O repositório fornece modelos pré-treinados, scripts de ajuste fino, protocolos de avaliação e ferramentas de visualização para qualidade de reconstrução e recursos aprendidos.
Recursos
- Modelagem de imagem mascarada com mascaramento de patch aleatório de alta proporção
- Pré-treinamento eficiente por meio da separação entre codificador e decodificador (o codificador vê apenas patches visíveis)
- Estrutura central do transformador de visão escalável para tarefas de visão posteriores
- Modelos pré-treinados e scripts de ajuste fino para classificação, detecção e segmentação
- Ferramentas de visualização para análise de reconstrução e representação
- Paradigma de treinamento autossupervisionado que não requer dados rotulados
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/mae-masked-autoencoders.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
