นี่คือแอป Windows ชื่อ RefineNet ซึ่งสามารถดาวน์โหลดเวอร์ชันล่าสุดได้ที่ refinenetsourcecode.tar.gz สามารถรันออนไลน์ได้บน OnWorks ซึ่งเป็นผู้ให้บริการโฮสติ้งฟรีสำหรับเวิร์กสเตชัน
ดาวน์โหลดและรันแอปชื่อ RefineNet พร้อม OnWorks ออนไลน์ได้ฟรี
ทำตามคำแนะนำเหล่านี้เพื่อเรียกใช้แอปนี้:
- 1. ดาวน์โหลดแอปพลิเคชั่นนี้ในพีซีของคุณ
- 2. เข้าไปที่ file manager https://www.onworks.net/myfiles.php?username=XXXXX ด้วยชื่อผู้ใช้ที่คุณต้องการ
- 3. อัปโหลดแอปพลิเคชันนี้ในตัวจัดการไฟล์ดังกล่าว
- 4. เริ่มโปรแกรมจำลองออนไลน์ของ OS OnWorks จากเว็บไซต์นี้ แต่โปรแกรมจำลองออนไลน์ของ Windows ที่ดีกว่า
- 5. จากระบบปฏิบัติการ Windows ของ OnWorks ที่คุณเพิ่งเริ่มต้น ไปที่ตัวจัดการไฟล์ของเรา https://www.onworks.net/myfiles.php?username=XXXXX พร้อมชื่อผู้ใช้ที่คุณต้องการ
- 6. ดาวน์โหลดแอปพลิเคชั่นและติดตั้ง
- 7. ดาวน์โหลดไวน์จากที่เก็บซอฟต์แวร์ลีนุกซ์ดิสทริบิวชันของคุณ เมื่อติดตั้งแล้ว คุณสามารถดับเบิลคลิกที่แอปเพื่อเรียกใช้แอปด้วย Wine คุณยังสามารถลองใช้ PlayOnLinux ซึ่งเป็นอินเทอร์เฟซแฟนซีบน Wine ที่จะช่วยคุณติดตั้งโปรแกรมและเกมยอดนิยมของ Windows
ไวน์เป็นวิธีเรียกใช้ซอฟต์แวร์ Windows บน Linux แต่ไม่จำเป็นต้องใช้ Windows Wine เป็นเลเยอร์ความเข้ากันได้ของ Windows แบบโอเพ่นซอร์สที่สามารถเรียกใช้โปรแกรม Windows ได้โดยตรงบนเดสก์ท็อป Linux โดยพื้นฐานแล้ว Wine พยายามนำ Windows กลับมาใช้ใหม่ให้เพียงพอตั้งแต่เริ่มต้น เพื่อให้สามารถเรียกใช้แอปพลิเคชัน Windows เหล่านั้นทั้งหมดโดยไม่จำเป็นต้องใช้ Windows จริงๆ
ภาพหน้าจอ
Ad
รีไฟน์เน็ต
DESCRIPTION
RefineNet เป็นกรอบการทำงานที่ใช้ MATLAB สำหรับการแบ่งส่วนภาพเชิงความหมายและการทำนายความหนาแน่นทั่วไป โดยนำสถาปัตยกรรมที่นำเสนอในเอกสาร CVPR 2017 เรื่อง RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation และฉบับขยายที่เผยแพร่ใน TPAMI 2019 มาใช้ กรอบการทำงานนี้ใช้การปรับแต่งแบบหลายเส้นทางและการรวมกลุ่มค่าตกค้างที่ปรับปรุงแล้วเพื่อให้ได้ผลลัพธ์การแบ่งส่วนที่มีคุณภาพสูงในชุดข้อมูลเกณฑ์มาตรฐานหลายชุด กรอบการทำงานนี้นำเสนอแบบจำลองที่ฝึกอบรมแล้วสำหรับชุดข้อมูลต่างๆ เช่น PASCAL VOC 2012, Cityscapes, NYUDv2, Person_Parts, PASCAL_Context, SUNRGBD และ ADE20k โดยมีเวอร์ชันที่อิงตามแกนหลัก ResNet-101 และ ResNet-152 คลังข้อมูลนี้รองรับการทำนายทั้งแบบสเกลเดียวและแบบหลายสเกล พร้อมสคริปต์สำหรับการฝึก ทดสอบ และประเมินประสิทธิภาพการแบ่งส่วน แม้ว่าฐานโค้ดนี้จะเฉพาะเจาะจงสำหรับ MATLAB และ MatConvNet แต่ยังมีการนำ PyTorch ไปใช้งานจริงและตัวแปรที่เบากว่าจากชุมชนอีกด้วย
คุณสมบัติ
- นำ RefineNet มาใช้เพื่อการแบ่งส่วนความหมายความละเอียดสูง
- จัดทำโมเดลที่ผ่านการฝึกอบรมบนชุดข้อมูลเกณฑ์มาตรฐานเจ็ดชุด
- รองรับการทำนายแบบมาตราส่วนเดียวและหลายมาตราส่วนด้วยฟิวชัน
- ใช้การรวมกลุ่มที่เหลือที่ได้รับการปรับปรุงเพื่อความแม่นยำในการแบ่งส่วนที่ดีขึ้น
- รวมสคริปต์การฝึกอบรมและการประเมินสำหรับชุดข้อมูลที่กำหนดเอง
- เข้ากันได้กับโครงหลัก ResNet-101 และ ResNet-152 ใน MatConvNet
ภาษาโปรแกรม
C++, MATLAB, Python, ยูนิกซ์เชลล์
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/refinenet.mirror/ ได้ แอปพลิเคชันนี้โฮสต์อยู่ใน OnWorks เพื่อให้ใช้งานออนไลน์ได้ง่ายที่สุดจากระบบปฏิบัติการฟรีของเรา
