This is the Windows app named maskrcnn-benchmark whose latest release can be downloaded as Initialreleasesourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Baixe e execute online este aplicativo chamado maskrcnn-benchmark com o 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
benchmark maskrcnn
DESCRIÇÃO
O Mask R-CNN Benchmark é um framework baseado em PyTorch que fornece implementações de alto desempenho para detecção de objetos, segmentação de instâncias e modelos de detecção de pontos-chave. Originalmente desenvolvido para comparar o Mask R-CNN e modelos relacionados, ele oferece um design limpo e modular para treinar e avaliar sistemas de detecção de forma eficiente em conjuntos de dados padrão como o COCO. O framework integra componentes críticos — redes de propostas de região (RPNs), camadas RoIAlign, cabeças de máscara e arquiteturas de backbone como ResNet e FPN — otimizados para precisão e velocidade. Ele suporta treinamento distribuído multi-GPU, precisão mista e carregadores de dados personalizados para novos conjuntos de dados. Desenvolvido como uma implementação de referência, tornou-se a base para a próxima geração do Detectron2, mas continua amplamente utilizado para pesquisas que precisam de um ambiente estável e reproduzível. Ferramentas de visualização, pontos de verificação do zoológico de modelos e scripts de benchmark facilitam a replicação de resultados de última geração ou o ajuste fino de modelos para tarefas personalizadas.
Recursos
- Implementações de alto desempenho de Mask R-CNN, Faster R-CNN e modelos de ponto-chave
- Componentes modulares para RPNs, RoIAlign, cabeças de máscara e backbones
- Treinamento distribuído multi-GPU e suporte de precisão mista
- Suporte a conjuntos de dados e carregadores para COCO, Pascal VOC e conjuntos de dados personalizados
- Ferramentas de visualização e avaliação para resultados de detecção e segmentação
- Implementação de referência reproduzível para benchmarking e ajuste fino
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/maskrcnn-benchmark.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
