Spatiotemporal fusion ConvNet
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Graz University of Technology,University of Oxford
- Tipo de Organización
- Academia,Academia
- País
- Austria, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 1 June 2016
- Autores
- Christoph Feichtenhofer, Axel Pinz, Andrew Zisserman
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Video
- Tarea
- Video, Action recognition
- Formato numérico
- FP32
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 13,000 tokens
[SECONDS OF VIDEO] They use UCF101, whose paper says "We introduce UCF101 which is currently the largest dataset of human actions. It consists of 101 action classes, over 13k clips and 27 hours of video data"
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Citas
- 2,538
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Convolutional Two-Stream Network Fusion for Video Action Recognition
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
Spatiotemporal fusion ConvNet fue publicado por Graz University of Technology,University of Oxford, en el país registrado como Austria, durante June 2016. Sale de una organización categorizada como academia,Academia.
Funciona en el dominio de Video, y se registra como realizando la tarea de video, Action recognition.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Cómo fue entrenado
El entrenamiento consumió un corpus de alrededor de 13,000 tokens de texto
Respuestas
Spatiotemporal fusion ConvNet — preguntas comunes
Spatiotemporal fusion ConvNet— ¿Para qué se utiliza?
Funciona en el dominio de Video, y se registra como manejando la tarea de video, Action recognition. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Spatiotemporal fusion ConvNet— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Spatiotemporal fusion ConvNet— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
Spatiotemporal fusion ConvNet— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Spatiotemporal fusion ConvNet— ¿Quién lo creó?
Fue publicado por Graz University of Technology,University of Oxford, basado en Austria, una organización categorizada como academia,Academia.
Spatiotemporal fusion ConvNet— ¿cuándo fue lanzado?
Se publicó en June 2016. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.