Synergistic Face Detector
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
- NEC Laboratories,Courant Institute of Mathematical Sciences
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 1 December 2004
- Autori
- Margarita Osadchy, Matthew Miller, Yann LeCun
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Face detection
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
- 16.6K
- Dati di addestramento
- tokens
- Epoche
- 9
"We employ a network architecture similar to LeNet5 [6]. The difference is in the number of maps. In our architecture we have 8 feature maps in the bottom convolutional and subsampling layers and 20 maps in the next two layers. The last layer has 9 outputs to encode two pose parameters" Using the general architecture of LeNet5 from "Gradient-based learning applied to document recognition" (LeCun, 1998), we get: C1: CNN, D = 8, K=5, C=1; Parameters = 200 C3: CNN, D=20, K=5, C=8; Parameters = 4,00…
52,850x2x5
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 5.3 × 10¹³ FLOP
- Come è stato stabilito
- Hardware
26*60*60*[(2.81E+03)*((1E6)/2.5)]*0.5 "Training was performed using LUSH [1], and the total training time was about 26 hours on a 2Ghz Pentium 4" "The Progress of Computing" (Nordhaus, 2001) says that a Pentium 4 runs at 2.81E+03 MSOPS, and that "Most benchmarks find that 1 million flops correspond to between 2 and 3 MSOPS" A utilization rate of 0.5 was estimated since this is a smaller model that ran on a CPU (both of which suggest a slightly higher utilization rate than 0.3 to 0.4)
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
- Intel Pentium 4 2.40
- Tempo di parete
- 26 hours
"Training was performed using LUSH [1], and the total training time was about 26 hours on a 2Ghz Pentium 4"
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.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Synergistic Face Detection and Pose Estimation with Energy-Based Models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Synergistic Face Detector è stato pubblicato da NEC Laboratories,Courant Institute of Mathematical Sciences, nel paese registrato come United States of America, durante December 2004. La categoria sotto cui rientra l'editore è industry,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di face detection.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 5.3 × 10¹³ FLOP, su hardware registrato come Intel Pentium 4 2.40. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Synergistic Face Detector — domande comuni
Synergistic Face Detector— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Synergistic Face Detector— quanti parametri ha?
Ha un numero di parametri di 16.6K. "We employ a network architecture similar to LeNet5 [6]. The difference is in the number of maps. In our architecture we have 8 feature maps in the bottom convolutional and subsampling layers and 20 maps in the next two layers. The last layer has 9 outputs to encode two pose parameters" Using the general architecture of LeNet5 from "Gradient-based learning applied to document recognition" (LeCun, 1998), we get: C1: CNN, D = 8, K=5, C=1; Parameters = 200 C3: CNN, D=20, K=5, C=8; Parameters = 4,000 C5: NN, D=20, K=5, C=20; Parameters = 10,000 F6: NN, N=20, M=84; Parameters = 1,680 Output: NN, N=84, M=9; Parameters = 756 Pooling layers: negligible Parameters = 16,636. 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.
Synergistic Face Detector— chi l'ha creato?
È stato pubblicato da NEC Laboratories,Courant Institute of Mathematical Sciences, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
Synergistic Face Detector— quando è stato rilasciato?
È stato pubblicato in December 2004. 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.
Synergistic Face Detector— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di face detection. 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.
Synergistic Face Detector— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 5.3 × 10¹³ FLOP, su hardware registrato come Intel Pentium 4 2.40. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
Synergistic Face Detector— 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.
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.