CCL
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- SenseTime,Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences
- Tipo di organizzazione
- Industry,Academia,Academia
- Paese
- Hong Kong, China
- Pubblicato
- 27 June 2016
- Autori
- Shizhan Zhu, Cheng Li, Chen Change Loy, Xiaoou Tang
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Face detection
- Approach
- Supervised
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 20,000 tokens
[images] Table 1
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
project page (no code or weights are released): https://mmlab.ie.cuhk.edu.hk/projects/compositional.html
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Perché viene tracciato
- SOTA improvement
- Registrare fiducia
- Confident
https://paperswithcode.com/sota/face-alignment-on-aflw-19
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Unconstrained Face Alignment via Cascaded Compositional Learning
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Where it came from
CCL was published by SenseTime,Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences, in Hong Kong, in June 2016. It comes out of industry,Academia,Academia.
It works in Vision, and is recorded as doing face detection.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa ci è voluto per costruirlo
The training set ran to roughly 20,000 tokens.
Viene tracciato nel dataset sottostante per una ragione in particolare: miglioramento sOTA.
Risposte
CCL — Domande frequenti
Is CCL open source?
No. CCL has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does CCL have?
No parameter count has been published for CCL, which is why no memory or speed figure appears on this page.
Who created CCL?
CCL was published by SenseTime,Chinese University of Hong Kong (CUHK),Chinese Academy of Sciences, based in Hong Kong, categorised as industry,Academia,Academia.
When was CCL released?
CCL was published in June 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is CCL used for?
CCL works in Vision, and is recorded as handling face detection. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run CCL?
None. CCL 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.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.