CompACT-Deep
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
- University of California San Diego
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 19 July 2015
- Autori
- Zhaowei Cai, M. Saberian, N. Vasconcelos
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Object detection
- Approccio
- Supervised
- Modello di base
- AlexNet,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.
- Dati di addestramento
- tokens
From the paper: For Caltech, we used the training set size of [21] [21] is https://arxiv.org/pdf/1406.1134. From that paper: For the following experiments, we rely solely on the training set of the Caltech Pedestrian Dataset [10]. Of the 71 minute long training videos (∼128k images), we use every fourth video as validation data and the rest for training. 128k * 3/4 = 96k
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA Tesla K40m
- Chip utilizzati
- 1
- Consumo energetico
- 286 W
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
- Confident
https://paperswithcode.com/sota/pedestrian-detection-on-caltech "This enables state of the art performance on the Caltech and KITTI datasets, at fairly fast speeds."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Learning Complexity-Aware Cascades for Deep Pedestrian Detection
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
CompACT-Deep è stato pubblicato da University of California San Diego, nel paese registrato come United States of America, durante July 2015. L'organizzazione di pubblicazione è classificata come academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di object detection.
Invece di essere addestrato da zero, è derivato da AlexNet,VGG16. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
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 è stato necessario per costruirlo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
CompACT-Deep — domande comuni
CompACT-Deep— chi l'ha creato?
È stato pubblicato da University of California San Diego, basato su United States of America, un'organizzazione categorizzata come academia.
CompACT-Deep— quando è stato rilasciato?
È stato pubblicato in July 2015. 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.
CompACT-Deep— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di object detection. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
CompACT-Deep— 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.
CompACT-Deep— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
CompACT-Deep— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
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.