Vision-based obstacle avoidance system (2005)
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- New York University (NYU),Net-Scale technologies,NEC Laboratories
- Type d'organisation
- Academia,Industry,Industry
- Pays
- United States of America
- Publié
- 5 December 2005
- Auteurs
- Urs Muller, Jan Ben, Eric Cosatto, Beat Flepp, Yann LeCun
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Robotics, Vision
- Tâche
- Self-driving car, Object detection
- Approach
- Supervised
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Paramètres
- 72K
- Données d'entraînement
- tokens
- Époques
- 18
"The network has 3.15 Million connections and about 72,000 trainable parameters."
"With 95,000 training image pairs, training took 18 epochs through the training set."
L'entraînement
Ce qu'il a physiquement fallu pour entraîner : quels puces, combien, pendant combien de temps, et ce que cela a tiré du mur.
- Matériel d'entraînement
- Intel Pentium 4 HT 630
- Chips utilisés
- 1
- Wall-clock time
- 96 hours
- Consommation d'énergie
- 103 W
"A complete training session required about four days of CPU time on a 3.0GHz Pentium/Xeon-based server"
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Unreleased
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 742
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Off-Road Obstacle Avoidance through End-to-End Learning
- Dernière mise à jour
- 11 February 2026
Ce que signifient les chiffres
À propos de ce modèle
Vision-based obstacle avoidance system (2005) was published by New York University (NYU),Net-Scale technologies,NEC Laboratories, in United States of America, in December 2005. The organisation is categorised as academia,Industry,Industry.
It works in Robotics, Vision, and is recorded as doing self-driving car, Object detection.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Réponses
Vision-based obstacle avoidance system (2005) — Questions fréquentes
What is Vision-based obstacle avoidance system (2005) used for?
Vision-based obstacle avoidance system (2005) works in Robotics, Vision, and is recorded as handling self-driving car, Object detection. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Vision-based obstacle avoidance system (2005)?
None. Vision-based obstacle avoidance system (2005) 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 Vision-based obstacle avoidance system (2005) open source?
No. Vision-based obstacle avoidance system (2005) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Vision-based obstacle avoidance system (2005) have?
Vision-based obstacle avoidance system (2005) has 72K parameters. "The network has 3.15 Million connections and about 72,000 trainable parameters.". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Vision-based obstacle avoidance system (2005)?
Vision-based obstacle avoidance system (2005) was published by New York University (NYU),Net-Scale technologies,NEC Laboratories, based in United States of America, categorised as academia,Industry,Industry.
When was Vision-based obstacle avoidance system (2005) released?
Vision-based obstacle avoidance system (2005) was published in December 2005. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.