VGG-Face
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
- University of Oxford
- Typ organizacji
- Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 1 January 2015
- Autorzy
- Omkar M. Parkhi, A. Vedaldi, Andrew Zisserman
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision
- Zadanie
- Face recognition
- 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.
- parametry
- 138M
- Dane treningowe
- 2,600,000 tokens
Their largest model uses the VGG16 architecture
Table 2 in https://www.bmva-archive.org.uk/bmvc/2015/papers/paper041/abstract041.pdf
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA GeForce GTX Titan Black
- Zastosowane chipy
- 4
- Pobór mocy
- 2.1 kW
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
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,Highly cited
- Zapisz pewność
- Confident
https://paperswithcode.com/sota/face-verification-on-youtube-faces-db "achieve comparable state of the art results on the standard LFW and YTF face benchmarks."
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Deep Face Recognition
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
VGG-Face został opublikowany przez University of Oxford, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas January 2015. Organizacja publikująca jest klasyfikowana jako academia.
Działa w dziedzinie Vision, i jest zapisany jako wykonujący zadanie face recognition.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Trening zużył korpus około 2,600,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement,Highly cited.
Odpowiedzi
VGG-Face — częste pytania
VGG-Face— kiedy to zostało wydane?
Zostało opublikowane w January 2015. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
VGG-Face— do czego to służy?
Działa w dziedzinie Vision, i jest zarejestrowany jako realizujący zadanie face recognition. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
VGG-Face— 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.
VGG-Face— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
VGG-Face— ile ma parametrów?
Ma liczbę parametrów równą 138M. Their largest model uses the VGG16 architecture. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
VGG-Face— kto to stworzył?
Zostało opublikowane przez University of Oxford, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako academia.
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.