Two-stream ConvNets for action recognition
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- University of Oxford
- Organisatietype
- Academia
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 9 June 2014
- Auteurs
- Karen Simonyan, Andrew Zisserman
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Video
- Taak
- Video classification
- Numerieke indeling
- FP32
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- Training gegevens
- 1,289,500 tokens
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- Highly cited
- Record vertrouwen
- Unknown
- Citaties
- 8,181
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Two-Stream Convolutional Networks for Action Recognition in Videos
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Achtergrond
Two-stream ConvNets for action recognition werd gepubliceerd door University of Oxford, in het land geregistreerd als United Kingdom of Great Britain and Northern Ireland, tijdens June 2014. Het komt uit een organisatie gecategoriseerd als academia.
Het werkt in het domein van Video, en wordt geregistreerd als het uitvoeren van de taak van video classification.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Wat erin ging zitten om het te bouwen
Het is getraind op een corpus van ongeveer 1,289,500 tekstokens
De inclusiecriteria: highly cited.
Antwoorden
Two-stream ConvNets for action recognition — veelgestelde vragen
Two-stream ConvNets for action recognition— wie heeft het gemaakt?
Het werd gepubliceerd door University of Oxford, gebaseerd op United Kingdom of Great Britain and Northern Ireland, een organisatie geclassificeerd als academia.
Two-stream ConvNets for action recognition— wanneer is het uitgebracht?
Het werd gepubliceerd in June 2014. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Two-stream ConvNets for action recognition— waarvoor wordt het gebruikt?
Het werkt in het domein van Video, en wordt geregistreerd als het afhandelen van video classification. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Two-stream ConvNets for action recognition— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Two-stream ConvNets for action recognition— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
Two-stream ConvNets for action recognition— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.