Spatial Pyramid Matching
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
- INRIA,University of Illinois Urbana-Champaign (UIUC),Ecole Normale Supèrieure
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- France, United States of America
- Pubblicato
- 17 June 2006
- Autori
- S Lazebnik, C Schmid, J Ponce
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Image classification
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
- 3,030 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
- 9,807
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Beyond Bags of Features: Spatial Pyramid Matching for Recognizing Natural Scene Categories
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
Spatial Pyramid Matching è stato pubblicato da INRIA,University of Illinois Urbana-Champaign (UIUC),Ecole Normale Supèrieure, nel paese registrato come France, durante June 2006. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di image classification.
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
L'addestramento ha consumato un corpus di circa 3,030 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: highly cited.
Risposte
Spatial Pyramid Matching — domande comuni
Spatial Pyramid Matching— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Spatial Pyramid Matching— 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.
Spatial Pyramid Matching— 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.
Spatial Pyramid Matching— 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.
Spatial Pyramid Matching— chi l'ha creato?
È stato pubblicato da INRIA,University of Illinois Urbana-Champaign (UIUC),Ecole Normale Supèrieure, basato su France, un'organizzazione categorizzata come academia,Academia,Academia.
Spatial Pyramid Matching— quando è stato rilasciato?
È stato pubblicato in June 2006. 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.
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.