Two-stream ConvNets for action recognition
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- University of Oxford
- Type d'organisation
- Academia
- Pays
- United Kingdom of Great Britain and Northern Ireland
- Publié
- 9 June 2014
- Auteurs
- Karen Simonyan, Andrew Zisserman
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Video
- Tâche
- Video classification
- Format numérique
- FP32
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 1,289,500 tokens
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Highly cited
- Confiance d'enregistrement
- Unknown
- Citations
- 8,181
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Two-Stream Convolutional Networks for Action Recognition in Videos
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
Contexte
Two-stream ConvNets for action recognition a été publié par University of Oxford, dans le pays enregistré comme United Kingdom of Great Britain and Northern Ireland, durant June 2014. Cela provient d'une organisation classée comme academia.
Il fonctionne dans le domaine de Video, et est enregistré comme exécutant la tâche de video classification.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Qu'est-ce qui a été nécessaire pour le construire
Il a été entraîné sur un corpus d'environ 1,289,500 jetons de texte
Son critère d'inclusion : highly cited.
Réponses
Two-stream ConvNets for action recognition — questions courantes
Two-stream ConvNets for action recognition— qui l'a créé ?
Il a été publié par University of Oxford, basé sur United Kingdom of Great Britain and Northern Ireland, une organisation catégorisée comme academia.
Two-stream ConvNets for action recognition— quand a-t-il été publié ?
Il a été publié dans June 2014. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
Two-stream ConvNets for action recognition— à quoi ça sert ?
Il fonctionne dans le domaine de Video, et est enregistré comme gérant la tâche de video classification. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
Two-stream ConvNets for action recognition— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Two-stream ConvNets for action recognition— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
Two-stream ConvNets for action recognition— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.