Template Adaptation
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- University of Oxford
- Typ organizace
- Academia
- Země
- United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 12 March 2016
- Autoři
- Nate Crosswhite, J. Byrne, C. Stauffer, Omkar M. Parkhi, Qiong Cao, Andrew Zisserman
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Face recognition
- Přístup
- Supervised
- Základní model
- VGG-Face
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 138M
- Výcviková data
- 7,797 tokens
Trains SVM on top of VGG-Face (VGG16 architecture). SVM parameters are not included in the estimate.
"IJB-A contains 5712 images and 2085 videos of 500 subjects, for an average of 11.4 images and 4.2 videos per subject." Unclear how the videos were converted to training images.
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Likely
https://paperswithcode.com/sota/face-verification-on-ijb-a " Extensive performance evaluations on IJB-A show a surprising result, that perhaps the simplest method of template adaptation, combining deep convolutional network features with template specific linear SVMs, outperforms the state-of-the-art by a wide margin."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Template Adaptation for Face Verification and Identification
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
Template Adaptation byl zveřejněn University of Oxford, v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během March 2016. Vydavatelská organizace je kategorizována jako academia.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol face recognition.
Jeho výchozím bodem byl existující základní model, VGG-Face. To je obvyklý způsob, jak je specializovaný model vytvářen.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Co bylo zapotřebí k jeho vybudování
Tréninková sada běžela na přibližně 7,797 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
Template Adaptation — běžné otázky
Template Adaptation— kolik má parametrů?
Má počet parametrů 138M. Trains SVM on top of VGG-Face (VGG16 architecture). SVM parameters are not included in the estimate. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Template Adaptation— Kdo to vytvořil?
Bylo to publikováno společností University of Oxford, zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako academia.
Template Adaptation— Kdy byl vydán?
Bylo to zveřejněno v March 2016. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Template Adaptation— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol face recognition. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Template Adaptation— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
Template Adaptation— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.