Trajectory-pooled conv nets
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences
- Szervezet típusa
- Academia,Academia
- Ország
- Hong Kong, China
- Közölt
- 19 May 2015
- Szerzők
- Limin Wang, Yu Qiao, Xiaoou Tang
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Video
- Feladat
- Action recognition
- Numerikus formátum
- FP32
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 9.1M
- Képzési adatok
- tokens
The input layer takes either a single RGB frame (224x224x3) for the spatial stream or a stack of 10 optical flow frames (224x224x20) for the temporal stream. The first convolutional layer has 96 filters of size 7x7 with stride 2. This is followed by max pooling with size 3x3 and stride 2. The second convolutional layer has 256 filters of size 5x5 with stride 2. After that is another max pooling layer (3x3, stride 2). The third convolutional layer has 512 filters of size 3x3 with stride 1. The fo…
They pretrain on ImageNet, and use UCF101 for actions. Its paper says "We introduce UCF101 which is currently the largest dataset of human actions. It consists of 101 action classes, over 13k clips and 27 hours of video data".
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Hivatkozások
- 3,786
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Action Recognition with Trajectory-Pooled Deep-Convolutional Descriptors
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Háttér
Trajectory-pooled conv nets ki lett adva által Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences, az országban rögzítve mint Hong Kong, alatt May 2015. A kiadó szervezet a következő kategóriába tartozik academia,Academia.
Működik a területen a Video, és úgy van rögzítve, mint a feladat végrehajtása action recognition.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Válaszok
Trajectory-pooled conv nets — gyakori kérdések
Trajectory-pooled conv nets— Ki készítette ezt?
Kiadta Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences, alapján Hong Kong, egy szervezet, amelyet kategorizáltak mint academia,Academia.
Trajectory-pooled conv nets— Mikor adták ki?
Kibocsátották a May 2015. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Trajectory-pooled conv nets— Mire használják?
Működik a területen a Video, és rögzítve van, hogy kezeli a feladatot action recognition. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
Trajectory-pooled conv nets— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
Trajectory-pooled conv nets— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
Trajectory-pooled conv nets— Hány paramétere van?
Paraméterszáma 9.1M. The input layer takes either a single RGB frame (224x224x3) for the spatial stream or a stack of 10 optical flow frames (224x224x20) for the temporal stream. The first convolutional layer has 96 filters of size 7x7 with stride 2. This is followed by max pooling with size 3x3 and stride 2. The second convolutional layer has 256 filters of size 5x5 with stride 2. After that is another max pooling layer (3x3, stride 2). The third convolutional layer has 512 filters of size 3x3 with stride 1. The fourth convolutional layer has 512 filters of size 3x3 with stride 1. The fifth convolutional layer has 512 filters of size 3x3 with stride 1. Next is a max pooling layer (3x3, stride 2). The fully-connected layers have 4096, 2048, and 101 neurons respectively. (7*7*20+1)*96 + (5*5*20+1)*256 + (3*3*20+1)*512 + (3*3*20+1)*512 + (3*3*20+1)*512 + 2*4096 + (4096+1)*2048 + (2048+1)*101 = 9106245. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..