Local Binary Patterns for facial recognition

Pesos cerrados University of Oulu,IEEE December 2006

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
University of Oulu,IEEE
Tipo de Organización
Academia,Industry
País
Finland, Multinational
Publicado
1 December 2006
Autores
Timo Ahonen, Abdenour Hadid, and Matti Pietikainen

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio
Vision
Tarea
Image classification

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
736 tokens

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Por qué se rastrea
Highly cited
Confianza de registro
Unknown
Citas
5,915

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia
Face Description with Local Binary Patterns: Application to Face Recognition
Última actualización
1 January 2026

Qué significan los números

De dónde vino

Local Binary Patterns for facial recognition fue publicado por University of Oulu,IEEE, en el país registrado como Finland, durante December 2006. Sale de una organización categorizada como academia,Industry.

Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification.

Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.

Entrenamiento y procedencia

Fue entrenado en un corpus de aproximadamente 736 tokens de texto

Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited.

Respuestas

Local Binary Patterns for facial recognition — preguntas comunes

01

Local Binary Patterns for facial recognition— ¿Quién lo creó?

Fue publicado por University of Oulu,IEEE, basado en Finland, una organización categorizada como academia,Industry.

02

Local Binary Patterns for facial recognition— ¿cuándo fue lanzado?

Se publicó en December 2006. 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.

03

Local Binary Patterns for facial recognition— ¿Para qué se utiliza?

Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.

04

Local Binary Patterns for facial recognition— ¿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.

05

Local Binary Patterns for facial recognition— ¿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.

06

Local Binary Patterns for facial recognition— ¿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.

Origen

Publicación original

Última actualización registrada 1 January 2026

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.