YOLOv8 (reCAPTCHA fine-tuned)
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
- ETH Zurich
- Tipo de Organización
- Academia
- País
- Switzerland
- Publicado
- 13 September 2024
- Autores
- Andreas Plesner, Tobias Vontobel, Roger Wattenhofer
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, Image segmentation
- Modelo base
- YOLOv8x
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
- tokens
Combined with the public data, this resulted in around 14k image/label pairs for fine-tuning the classification model.
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Código de entrenamiento
- Open (non-commercial)
https://github.com/aplesner/Breaking-reCAPTCHAv2 no clear license
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Breaking reCAPTCHAv2
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
YOLOv8 (reCAPTCHA fine-tuned) fue publicado por ETH Zurich, en el país registrado como Switzerland, durante September 2024. La categoría en la que se encuentra el editor es academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de image classification, Image segmentation.
Su punto de partida fue un modelo base existente, YOLOv8x. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
YOLOv8 (reCAPTCHA fine-tuned) — preguntas comunes
YOLOv8 (reCAPTCHA fine-tuned)— ¿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.
YOLOv8 (reCAPTCHA fine-tuned)— ¿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.
YOLOv8 (reCAPTCHA fine-tuned)— ¿Quién lo creó?
Fue publicado por ETH Zurich, basado en Switzerland, una organización categorizada como academia.
YOLOv8 (reCAPTCHA fine-tuned)— ¿cuándo fue lanzado?
Se publicó en September 2024. 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.
YOLOv8 (reCAPTCHA fine-tuned)— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de image classification, Image segmentation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
YOLOv8 (reCAPTCHA fine-tuned)— ¿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.
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.