Local Binary Patterns for facial recognition

Κλειστά βάρη University of Oulu,IEEE December 2006

Χωρίς εκτίμηση

Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο

Τα βάρη αυτού του μοντέλου δεν έχουν δημοσιευθεί, επομένως δεν μπορεί να κατεβεί ή να τρέξει σε δικό σας υλικό οποιουδήποτε μεγέθους. Είναι προσβάσιμο μόνο μέσω του παρόχου του και καμία κάρτα γραφικών δεν το αλλάζει αυτό.

Σε εγγραφή

Πλήρης προδιαγραφή

Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.

Προέλευση

Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;

Οργάνωση
University of Oulu,IEEE
Τύπος οργάνωσης
Academia,Industry
Χώρα
Finland, Multinational
Δημοσιευμένο
1 December 2006
Συγγραφείς
Timo Ahonen, Abdenour Hadid, and Matti Pietikainen

Τι κάνει

Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.

Τομέας
Vision
Εντολή
Image classification

Μέγεθος

Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.

Δεδομένα εκπαίδευσης
736 tokens

Πώς ταξινομείται

Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.

Γιατί παρακολουθείται
Highly cited
Καταγραφή εμπιστοσύνης
Unknown
Αναφορές
5,915

Πηγές

Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.

Αναφορά
Face Description with Local Binary Patterns: Application to Face Recognition
Τελευταία ενημέρωση
1 January 2026

Τι σημαίνουν οι αριθμοί

Από πού προήλθε

Local Binary Patterns for facial recognition was published by University of Oulu,IEEE, in Finland, in December 2006. It comes out of academia,Industry.

It works in Vision, and is recorded as doing image classification.

Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.

Εκπαίδευση και προέλευση

It was trained on about 736 tokens of text.

It is tracked in the underlying dataset for one reason in particular: highly cited.

Απαντήσεις

Local Binary Patterns for facial recognition — Συχνές ερωτήσεις

01

Who created Local Binary Patterns for facial recognition?

Local Binary Patterns for facial recognition was published by University of Oulu,IEEE, based in Finland, categorised as academia,Industry.

02

When was Local Binary Patterns for facial recognition released?

Local Binary Patterns for facial recognition was published in December 2006. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.

03

What is Local Binary Patterns for facial recognition used for?

Local Binary Patterns for facial recognition works in Vision, and is recorded as handling image classification. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.

04

What GPU do I need to run Local Binary Patterns for facial recognition?

None. Local Binary Patterns for facial recognition 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.

05

Is Local Binary Patterns for facial recognition open source?

The licensing for Local Binary Patterns for facial recognition was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.

06

How many parameters does Local Binary Patterns for facial recognition have?

No parameter count has been published for Local Binary Patterns for facial recognition, which is why no memory or speed figure appears on this page.

Πηγή

Αρχική δημοσίευση

Τελευταία ενημέρωση αρχείου 1 January 2026

Η άλλη κατεύθυνση

Βλέποντάς το από την άλλη πλευρά;

Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..