Probabilistic modeling for object 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
- Carnegie Mellon University (CMU)
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 23 June 1998
- Auteurs
- H Schneiderman, T Kanade
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision
- Tâche
- Face recognition
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
- tokens
Section 5.1: "We formed training sets from 991 faces images and 1,552 non-face images." "For each face image we generated 120 synthetic variations" 991*120+1552 = 120472
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.
- Citations
- 602
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Probabilistic modeling of local appearance and spatial relationships for object recognition
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
Probabilistic modeling for object recognition a été publié par Carnegie Mellon University (CMU), dans le pays enregistré comme United States of America, durant June 1998. La catégorie à laquelle appartient l'éditeur est academia.
Il fonctionne dans le domaine de Vision, et est enregistré comme exécutant la tâche de face recognition.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Réponses
Probabilistic modeling for object recognition — questions courantes
Probabilistic modeling for object recognition— qui l'a créé ?
Il a été publié par Carnegie Mellon University (CMU), basé sur United States of America, une organisation catégorisée comme academia.
Probabilistic modeling for object recognition— quand a-t-il été publié ?
Il a été publié dans June 1998. 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.
Probabilistic modeling for object recognition— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, et est enregistré comme gérant la tâche de face recognition. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Probabilistic modeling for object 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.
Probabilistic modeling for object 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.
Probabilistic modeling for object 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.