Faster R-CNN
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
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
- Microsoft Research
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 4 June 2015
- Autoři
- S Ren, K He, R Girshick, J Sun
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Vision
- Úkol
- Object detection
- Číselný formát
- FP32
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 102,400,000 tokens
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
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
MIT license for repo: https://github.com/ShaoqingRen/faster_rcnn contains weights and training scripts
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
- Highly cited
- Záznam důvěry
- Unknown
- Citace
- 72,570
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
Faster R-CNN byl zveřejněn Microsoft Research, v zemi zaznamenané jako United States of America, během June 2015. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol object detection.
Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.
Co bylo zapotřebí k jeho vybudování
Tréninková sada běžela na přibližně 102,400,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: highly cited.
Odpovědi
Faster R-CNN — běžné otázky
Faster R-CNN— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
Faster R-CNN— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
Faster R-CNN— Kdo to vytvořil?
Bylo to publikováno společností Microsoft Research, zakládající se na United States of America, organizace zařazená jako industry.
Faster R-CNN— Kdy byl vydán?
Bylo to zveřejněno v June 2015. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Faster R-CNN— K čemu se to používá?
funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol object detection. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Faster R-CNN— kde si to mohu stáhnout?
Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.
Faster R-CNN— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
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.