这是一个名为 DETR 的 Linux 应用程序，其最新版本可以下载为 Detectron2andtorchscriptsupport、attentionandpanopticnotebooks、codeimprovements.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
使用 OnWorks 免费下载并在线运行这个名为 DETR 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. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 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，安装并运行。
SCREENSHOTS
Ad
降级
商品描述
PyTorch 训练代码和 DETR（检测转换器）的预训练模型。 我们用 Transformer 替换了完全复杂的手工对象检测管道，并将 Faster R-CNN 与 ResNet-50 匹配，使用一半的计算能力 (FLOP) 和相同数量的参数在 COCO 上获得 42 个 AP。 50 行 PyTorch 中的推理。 这是什么。 与传统的计算机视觉技术不同，DETR 将目标检测作为直接集预测问题进行处理。 它由基于集合的全局损失（通过二分匹配强制进行唯一预测）和 Transformer 编码器-解码器架构组成。 给定一组固定的学习对象查询集，DETR 会推理对象和全局图像上下文之间的关系，以直接并行输出最终的预测集。 由于这种并行特性，DETR 非常快速和高效。
功能
- DETR 实施和试验非常简单
- 我们提供基线 DETR 和 DETR-DC5 模型
- 这些模型也可通过火炬中心获得
- DETR 中没有额外的编译组件，并且包依赖性最小
- 我们使用 AdamW 训练 DETR，将 Transformer 中的学习率设置为 1e-4 和 1e-5 在主干中
- 我们表明扩展 DETR 来预测分割掩码相对简单
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/detr.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便从我们的免费操作系统之一以最简单的方式在线运行。
