Это приложение для Windows под названием RefineNet, последнюю версию которого можно скачать в формате refinenetsourcecode.tar.gz. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.
Загрузите и запустите бесплатно онлайн это приложение под названием RefineNet с OnWorks.
Следуйте этим инструкциям, чтобы запустить это приложение:
- 1. Загрузил это приложение на свой компьютер.
- 2. Введите в нашем файловом менеджере https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 3. Загрузите это приложение в такой файловый менеджер.
- 4. Запустите любой онлайн-эмулятор OS OnWorks с этого сайта, но лучше онлайн-эмулятор Windows.
- 5. В только что запущенной ОС Windows OnWorks перейдите в наш файловый менеджер https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 6. Скачайте приложение и установите его.
- 7. Загрузите Wine из репозиториев программного обеспечения вашего дистрибутива Linux. После установки вы можете дважды щелкнуть приложение, чтобы запустить его с помощью Wine. Вы также можете попробовать PlayOnLinux, необычный интерфейс поверх Wine, который поможет вам установить популярные программы и игры для Windows.
Wine - это способ запустить программное обеспечение Windows в Linux, но без Windows. Wine - это уровень совместимости с Windows с открытым исходным кодом, который может запускать программы Windows непосредственно на любом рабочем столе Linux. По сути, Wine пытается заново реализовать Windows с нуля, чтобы можно было запускать все эти Windows-приложения, фактически не нуждаясь в Windows.
СКРИНШОТЫ
Ad
RefineNet
ОПИСАНИЕ
RefineNet — это фреймворк на базе MATLAB для семантической сегментации изображений и общих задач плотного прогнозирования. Он реализует архитектуру, представленную в статье CVPR 2017 «RefineNet: Многоканальные сети уточнения для высокоразрешающей семантической сегментации» и её расширенной версии, опубликованной в TPAMI 2019. Фреймворк использует многоканальное уточнение и улучшенное остаточное пулирование для достижения высококачественных результатов сегментации на нескольких эталонных наборах данных. Он предоставляет обученные модели для таких наборов данных, как PASCAL VOC 2012, Cityscapes, NYUDv2, Person_Parts, PASCAL_Context, SUNRGBD и ADE20k, с версиями, основанными на базовых сетях ResNet-101 и ResNet-152. Репозиторий поддерживает как одномасштабное, так и многомасштабное прогнозирование, предлагая скрипты для обучения, тестирования и оценки эффективности сегментации. Хотя эта кодовая база специфична для MATLAB и MatConvNet, в сообществе также доступны реализация PyTorch и облегченные варианты.
Особенности
- Реализует RefineNet для семантической сегментации высокого разрешения
- Предоставляет обученные модели на семи эталонных наборах данных
- Поддерживает одномасштабное и многомасштабное прогнозирование с объединением
- Использует улучшенное остаточное объединение для более высокой точности сегментации
- Включает сценарии обучения и оценки для пользовательских наборов данных
- Совместимость с магистралями ResNet-101 и ResNet-152 в MatConvNet
Язык программирования
C++, MATLAB, Python, оболочка Unix
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/refinenet.mirror/. Оно размещено в OnWorks для максимально удобного запуска онлайн через одну из наших бесплатных операционных систем.
