这是名为 Raster Vision 的 Windows 应用程序，其最新版本可以作为 RasterVision0.21.3sourcecode.zip 下载。 它可以在免费的工作站托管提供商 OnWorks 中在线运行。
使用 OnWorks 免费下载并在线运行这个名为 Raster Vision 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
光栅视觉
商品描述
Raster Vision 是一个开源框架，供 Python 开发人员在卫星、航空和其他大型图像集（包括倾斜无人机图像）上构建计算机视觉模型。 使用 PyTorch 内置了对芯片分类、对象检测和语义分割的支持。 Raster Vision 允许工程师快速且可重复地配置通过机器学习工作流程核心组件的管道：分析训练数据、创建训练芯片、训练模型、创建预测、评估模型以及捆绑模型文件和配置以便于部署。 光栅视觉管道的输入是一组图像和训练数据，可选地带有描述图像标记位置的感兴趣区域 (AOI)。 Raster Vision 管道的输出是一个模型包，可让您在各种部署场景中轻松使用模型。
功能
- 收集数据集级别的统计数据和指标以供下游流程使用
- 从各种图像和标签源创建训练芯片
- 使用 PyTorch 等“后端”训练模型
- 使用训练有素的模型对验证和测试数据进行预测
- 根据模型对验证数据集的预测得出评估指标，例如 F1 分数、精度和召回率
- 将经过训练的模型和相关配置捆绑到一个模型包中，该模型包可以部署在批处理、实时服务器和其他工作流中
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/raster-vision.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便以最简单的方式从我们的免费操作系统之一在线运行。
