CompACT-Deep
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- University of California San Diego
- Tipo de organización
- Academia
- País
- United States of America
- Publicado
- 19 July 2015
- Autores
- Zhaowei Cai, M. Saberian, N. Vasconcelos
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Object detection
- Approach
- Supervised
- Base model
- AlexNet,VGG16
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
From the paper: For Caltech, we used the training set size of [21] [21] is https://arxiv.org/pdf/1406.1134. From that paper: For the following experiments, we rely solely on the training set of the Caltech Pedestrian Dataset [10]. Of the 71 minute long training videos (∼128k images), we use every fourth video as validation data and the rest for training. 128k * 3/4 = 96k
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA Tesla K40m
- Chips usados
- 1
- Consumo de energía
- 286 W
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Por qué se rastrea
- SOTA improvement
- Registrar confianza
- Confident
https://paperswithcode.com/sota/pedestrian-detection-on-caltech "This enables state of the art performance on the Caltech and KITTI datasets, at fairly fast speeds."
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Learning Complexity-Aware Cascades for Deep Pedestrian Detection
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
CompACT-Deep was published by University of California San Diego, in United States of America, in July 2015. The organisation is categorised as academia.
It works in Vision, and is recorded as doing object detection.
It is derived from AlexNet,VGG16 rather than trained from scratch, which is the usual way a specialised model is produced.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Qué se utilizó para construirlo
The reason it appears in this catalogue at all is sOTA improvement.
Respuestas
CompACT-Deep — Preguntas frecuentes
Who created CompACT-Deep?
CompACT-Deep was published by University of California San Diego, based in United States of America, categorised as academia.
When was CompACT-Deep released?
CompACT-Deep was published in July 2015. 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 CompACT-Deep used for?
CompACT-Deep works in Vision, and is recorded as handling object detection. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run CompACT-Deep?
None. CompACT-Deep 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.
Is CompACT-Deep open source?
No. CompACT-Deep has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does CompACT-Deep have?
No parameter count has been published for CompACT-Deep, which is why no memory or speed figure appears on this page.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.