CCL
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- SenseTime,Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences
- Organisationstyp
- Industry,Academia,Academia
- Land
- Hong Kong, China
- Veröffentlicht
- 27 June 2016
- Autoren
- Shizhan Zhu, Cheng Li, Chen Change Loy, Xiaoou Tang
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Vision
- Aufgabe
- Face detection
- Ansatz
- Supervised
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Trainingsdaten
- 20,000 tokens
[images] Table 1
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Trainingscode
- Unreleased
project page (no code or weights are released): https://mmlab.ie.cuhk.edu.hk/projects/compositional.html
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Warum es nachverfolgt wird
- SOTA improvement
- Aufzeichnungszuversicht
- Confident
https://paperswithcode.com/sota/face-alignment-on-aflw-19
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Unconstrained Face Alignment via Cascaded Compositional Learning
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Woher es kam
CCL was published by SenseTime,Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences, in Hong Kong, in June 2016. It comes out of industry,Academia,Academia.
It works in Vision, and is recorded as doing face detection.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie produziert hat, und es gibt keine lokale Version, die ausgeführt werden kann.
Was in den Aufbau geflossen ist
The training set ran to roughly 20,000 tokens.
Es wird im zugrunde liegenden Datensatz aus einem bestimmten Grund verfolgt: sOTA-Verbesserung.
Antworten
CCL — Häufig gestellte Fragen
Is CCL open source?
No. CCL has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does CCL have?
No parameter count has been published for CCL, which is why no memory or speed figure appears on this page.
Who created CCL?
CCL was published by SenseTime,Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences, based in Hong Kong, categorised as industry,Academia,Academia.
When was CCL released?
CCL was published in June 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is CCL used for?
CCL works in Vision, and is recorded as handling face detection. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run CCL?
None. CCL is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.