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.
Завантажте та запустіть онлайн цю програму під назвою maskrcnn-benchmark за допомогою OnWorks безкоштовно.
Дотримуйтесь цих інструкцій, щоб запустити цю програму:
- 1. Завантажив цю програму на свій ПК.
- 2. Введіть у наш файловий менеджер https://www.onworks.net/myfiles.php?username=XXXXX із потрібним ім'ям користувача.
- 3. Завантажте цю програму в такий файловий менеджер.
- 4. Запустіть будь-який онлайн емулятор ОС OnWorks з цього веб-сайту, але кращий онлайн-емулятор Windows.
- 5. З ОС OnWorks Windows, яку ви щойно запустили, перейдіть до нашого файлового менеджера https://www.onworks.net/myfiles.php?username=XXXXX з потрібним іменем користувача.
- 6. Завантажте програму та встановіть її.
- 7. Завантажте Wine зі сховищ програмного забезпечення дистрибутивів Linux. Після встановлення ви можете двічі клацнути програму, щоб запустити їх за допомогою Wine. Ви також можете спробувати PlayOnLinux, модний інтерфейс замість Wine, який допоможе вам встановити популярні програми та ігри Windows.
Wine — це спосіб запуску програмного забезпечення Windows на Linux, але без використання Windows. Wine — це рівень сумісності Windows з відкритим вихідним кодом, який може запускати програми Windows безпосередньо на будь-якому робочому столі Linux. По суті, Wine намагається повторно реалізувати достатньо Windows з нуля, щоб він міг запускати всі ці програми Windows, насправді не потребуючи Windows.
ЕКРАНИ
Ad
maskrcnn-бенчмарк
ОПИС
Mask R-CNN Benchmark — це фреймворк на основі PyTorch, який забезпечує високопродуктивні реалізації моделей виявлення об'єктів, сегментації екземплярів та виявлення ключових точок. Спочатку створений для порівняння Mask R-CNN та пов'язаних моделей, він пропонує чисту, модульну конструкцію для ефективного навчання та оцінки систем виявлення на стандартних наборах даних, таких як COCO. Фреймворк інтегрує критичні компоненти — мережі пропозицій регіонів (RPN), шари RoIAlign, головки масок та магістральні архітектури, такі як ResNet та FPN — оптимізовані як для точності, так і для швидкості. Він підтримує розподілене навчання на кількох графічних процесорах, змішану точність та користувацькі завантажувачі даних для нових наборів даних. Побудований як еталонна реалізація, він став основою для Detectron2 наступного покоління, проте залишається широко використовуваним для досліджень, які потребують стабільного, відтворюваного середовища. Інструменти візуалізації, контрольні точки зоопарку моделей та сценарії порівняння дозволяють легко реплікувати найсучасніші результати або точно налаштовувати моделі для користувацьких завдань.
Функції
- Високопродуктивні реалізації моделей Mask R-CNN, Faster R-CNN та ключових точок
- Модульні компоненти для RPN, RoIAlign, маскових головок та магістральних мереж
- Розподілене навчання на кількох графічних процесорах та підтримка змішаної точності
- Підтримка наборів даних та завантажувачі для COCO, Pascal VOC та користувацьких наборів даних
- Інструменти візуалізації та оцінки результатів виявлення та сегментації
- Відтворювана реалізація еталонних даних для бенчмаркінгу та точного налаштування
Мова програмування
Python
Категорії
Цю програму також можна завантажити з https://sourceforge.net/projects/maskrcnn-benchmark.mirror/. Вона розміщена в OnWorks для найпростішого запуску онлайн з однієї з наших безкоштовних операційних систем.
