Fast R-CNN
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Microsoft Research
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowane
- 30 April 2015
- Authors
- R Girshick
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Vision
- Zadanie
- Object detection
- Numerical format
- FP32
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 25,600,000 tokens
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Dlaczego jest śledzone
- Highly cited
- Zaufanie do nagrania
- Unknown
- Cytacje
- 28,324
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Fast R-CNN
- Ostatnia aktualizacja
- 25 May 2026
Co oznaczają liczby
Where it came from
Fast R-CNN was published by Microsoft Research, in United States of America, in April 2015. The organisation is categorised as industry.
It works in Vision, and is recorded as doing object detection.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Training and provenance
The training set ran to roughly 25,600,000 tokens.
It is tracked in the underlying dataset for one reason in particular: highly cited.
Odpowiedzi
Fast R-CNN — Często zadawane pytania
When was Fast R-CNN released?
Fast R-CNN was published in April 2015. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Fast R-CNN used for?
Fast R-CNN works in Vision, and is recorded as handling object detection. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Fast R-CNN?
None. Fast R-CNN is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Fast R-CNN open source?
The licensing for Fast R-CNN was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does Fast R-CNN have?
No parameter count has been published for Fast R-CNN, which is why no memory or speed figure appears on this page.
Who created Fast R-CNN?
Fast R-CNN was published by Microsoft Research, based in United States of America, categorised as industry.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..