Two-stream ConvNets for action recognition
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 Oxford
- Tipo di organizzazione
- Academia
- Paese
- United Kingdom of Great Britain and Northern Ireland
- Pubblicato
- 9 June 2014
- Autori
- Karen Simonyan, Andrew Zisserman
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Video
- Compito
- Video classification
- Formato numerico
- FP32
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
- 1,289,500 tokens
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited
- Record fiducia
- Unknown
- Citazioni
- 8,181
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Two-Stream Convolutional Networks for Action Recognition in Videos
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
Two-stream ConvNets for action recognition è stato pubblicato da University of Oxford, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante June 2014. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Video, ed è registrato come eseguire il compito di video classification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Cosa è stato necessario per costruirlo
È stato addestrato su un corpus di circa 1,289,500 token di testo
Il suo criterio di inclusione: highly cited.
Risposte
Two-stream ConvNets for action recognition — domande comuni
Two-stream ConvNets for action recognition— chi l'ha creato?
È stato pubblicato da University of Oxford, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come academia.
Two-stream ConvNets for action recognition— quando è stato rilasciato?
È stato pubblicato in June 2014. 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.
Two-stream ConvNets for action recognition— A cosa serve?
Funziona nel dominio di Video, e viene registrato come gestire il compito di video classification. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Two-stream ConvNets for action recognition— 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.
Two-stream ConvNets for action recognition— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
Two-stream ConvNets for action recognition— 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.