CompACT-Deep
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
- 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 costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Object detection
- Approach
- Supervised
- Base model
- AlexNet,VGG16
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
- 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
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Hardware di addestramento
- NVIDIA Tesla K40m
- Chips used
- 1
- Consumo energetico
- 286 W
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
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/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 was published by University of California San Diego, in United States of America, in July 2015. The organisation is categorised as academia.
It works in Vision, and is recorded as doing object detection.
It is derived from AlexNet,VGG16 rather than trained from scratch, which is the usual way a specialised model is produced.
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 reason it appears in this catalogue at all is sOTA improvement.
Risposte
CompACT-Deep — Domande frequenti
Who created CompACT-Deep?
CompACT-Deep was published by University of California San Diego, based in United States of America, categorised as academia.
When was CompACT-Deep released?
CompACT-Deep was published in July 2015. 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 CompACT-Deep used for?
CompACT-Deep works in Vision, and is recorded as handling object detection. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run CompACT-Deep?
None. CompACT-Deep 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.
Is CompACT-Deep open source?
No. CompACT-Deep has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does CompACT-Deep have?
No parameter count has been published for CompACT-Deep, which is why no memory or speed figure appears on this page.
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.