CMS-RCNN
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- IEEE
- Tipo di organizzazione
- Industry
- Paese
- Multinational
- Pubblicato
- 17 June 2016
- Autori
- Chenchen Zhu, Yutong Zheng, Khoa Luu, M. Savvides
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Face detection
- Approccio
- Supervised
- Modello di base
- VGG16
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 138M
- Dati di addestramento
- tokens
Based on VGG16 architecture, actual parameter count is slightly larger since the model contains some small added layers which are not described in detail.
159,424 annotated faces collected in 12,880 images
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Likely
https://paperswithcode.com/sota/face-detection-on-wider-face-medium "The experimental results show that our proposed approach trained on WIDER FACE Dataset outperforms strong baselines on WIDER FACE Dataset by a large margin, and consistently achieves competitive results on FDDB against the recent state-of-the-art face detection methods."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- CMS-RCNN: Contextual Multi-Scale Region-based CNN for Unconstrained Face Detection
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
CMS-RCNN è stato pubblicato da IEEE, nel paese registrato come Multinational, durante June 2016. L'organizzazione di pubblicazione è classificata come industry.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di face detection.
Invece di essere addestrato da zero, è derivato da VGG16. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Risposte
CMS-RCNN — domande comuni
CMS-RCNN— chi l'ha creato?
È stato pubblicato da IEEE, basato su Multinational, un'organizzazione categorizzata come industry.
CMS-RCNN— quando è stato rilasciato?
È stato pubblicato in June 2016. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
CMS-RCNN— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di face detection. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
CMS-RCNN— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
CMS-RCNN— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
CMS-RCNN— quanti parametri ha?
Ha un numero di parametri di 138M. Based on VGG16 architecture, actual parameter count is slightly larger since the model contains some small added layers which are not described in detail. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.