DAC-CSR
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Jiangnan University,University of Surrey
- Typ organizacji
- Academia,Academia
- Kraj
- China, United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 16 November 2016
- Autorzy
- Zhen-Hua Feng, Josef Kittler, William Christmas, Patrik Huber, Xiao-Jun Wu
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Face detection
- Podejście
- Supervised
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 20,000 tokens
[images] AFLW-full splits the 24386 images into 20000/4386 for training/testing.
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
https://paperswithcode.com/sota/face-alignment-on-aflw-19
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Dynamic Attention-controlled Cascaded Shape Regression Exploiting Training Data Augmentation and Fuzzy-set Sample Weighting
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
DAC-CSR został opublikowany przez Jiangnan University,University of Surrey, w kraju zapisanym jako China, podczas November 2016. Organizacja publikująca jest klasyfikowana jako academia,Academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie face detection.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Trening zużył korpus około 20,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
DAC-CSR — częste pytania
DAC-CSR— kto to stworzył?
Zostało opublikowane przez Jiangnan University,University of Surrey, oparty na China, organizacja sklasyfikowana jako academia,Academia.
DAC-CSR— kiedy to zostało wydane?
Zostało opublikowane w November 2016. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
DAC-CSR— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie face detection. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
DAC-CSR— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
DAC-CSR— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
DAC-CSR— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.