论文阅读 TSM: Temporal Shift Module for Efficient Video Understanding

已于 2022-03-31 20:39:55 修改
阅读量527 收藏 4
点赞数 3
分类专栏： 深度学习论文阅读 文章标签： 深度学习 神经网络 计算机视觉 人工智能
于 2022-03-31 16:14:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Jennifer_Love_Frank/article/details/123875364
版权
该博客介绍了TemporalShiftModule（TSM），这是在2019年计算机视觉和模式识别会议上提出的一种用于视频理解的技术。TSM通过时间位移操作在帧间移动特征，以实现高效的学习和理解视频内容。作者分享了个人对论文的理解，包括关键点和亮点，并提供了ipad上的注解版供下载。此外，还推荐了一个深度学习相关论文的汇总资源。
摘要由CSDN通过智能技术生成

TSM: Temporal Shift Module for Efficient Video Understanding

Computer Vision and Pattern Recognition 2019

task：视频动作理解

阅读记录

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

说明

以上内容均为作者本人平时阅读并且汇报使用，内容整理全凭个人理解，如有侵权，请联系我；内容如有错误，欢迎留言交流。转载请注明出处，并附有原文链接，谢谢！

此外，我还喜欢用ipad对论文写写画画（个人英文阅读的水平有限），做一些断句、重点勾画等，有兴趣大家可以按需下载：链接
在这里插入图片描述

更多论文分享，请参考： 深度学习相关阅读论文汇总（持续更新）

WXiujie123456
关注
专栏目录
【视频理解论文】——TSM：Temporal Shift Module for Efficient Video Understanding
Amazingren的博客
09-11 7693
TSM: Temporal Shift Module for Efficient Video Understanding 这是一篇关于视频理解的文章，主要介绍了一种可以达到3DCNN的效果的，但是保持2DCNN计算量和参数量的方法，叫做TSM（Tempora Shift Module）也就是在一簇要处理的帧之间，把相邻帧之间的channel进行了交替拼接！比如我把第一帧图片的某个channel和第...
TSM: Temporal Shift Module for Efficient Video Understanding
胭脂草的ABC博客
08-06 330
TSM: Temporal Shift Module for Efficient Video Understanding[Website][arXiv][Demo] @inproceedings{lin2019tsm, title={TSM: Temporal Shift Module for Efficient Video Understanding}, author={Lin, Ji and Gan, Chuang and Han, Song}, booktitle={Proceedin
Temporal Shift Module for Efficient Video Understanding
程序员养成日记
04-04 1125
时间转移模块，高效的视频理解 摘要 在视频理解领域中，传统的二维神经网络计算成本低，但不能捕获长期的时间关系；基于3D CNN方法可以获得良好的性能，但计算量大，部署成本高。文章提出了一个通用高效的时间移位模块，取得了较高的效率和较高的性能。它可以达到3D CNN的性能，但保持2D复杂度。 介绍 视频识别和图像识别的一个关键区别是时间建模的需要。2D CNN在单个帧上无法对时间信息进行建模，3D...
论文理解——TSM：Temporal Shift Module for Efficient Video Understanding（ICCV2019）有效的视频理解时态移位模块
weixin_44456581的博客
09-19 2528
论文理解——TSM：Temporal Shift Module for Efficient Video Understanding（ICCV2019）有效的视频理解时态移位模块欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowch
TSM: Temporal Shift Module for Efficient Video Understanding（论文笔记）
智国的博客
12-01 179
摘要 视频流的爆炸式增长给视频理解的高准确性和低计算成本带来了挑战。传统的2D CNN在计算上很便宜，但不能捕捉时间关系;基于3D CNN的方法可以获得良好的性能，但计算量大，部署成本高。在本文中，我们提出了一种兼具高效率和高性能的时态移位模块(TSM)。具体来说，它既能达到3D CNN的性能，又能保持2D CNN的计算复杂性。TSM沿着时间维度移动部分channel，从而方便相邻帧之间的信息交换。其可以插入2D CNN中，实现零计算、零参数的时间建模。我们还将TSM扩展到在线设置，实现实时低延迟在线视频识
行为识别论文笔记|TSM|TSM: Temporal Shift Module for Efficient Video Understanding
njuptalex的博客
12-07 2187
行为识别论文笔记|TSM|TSM: Temporal Shift Module for Efficient Video Understanding Lin, Ji , C. Gan , and S. Han . “TSM: Temporal Shift Module for Efficient Video Understanding.” 2019 IEEE/CVF International Conference on Computer Vision (ICCV) IEEE, 2019. Motiv
TSM泛读【TSM: Temporal Shift Module for Efficient Video Understanding】
weixin_47341656的博客
04-19 760
TSM泛读【TSM: Temporal Shift Module for Efficient Video Understanding】
TSM: Temporal Shift Module for Effificient Video Understanding
qq_45033722的博客
02-02 1075
1. 摘要 视频流的爆炸性增长给在高精度和低计算成本下执行视频理解带来了挑战。传统的二维神经网络计算成本很低，但不能捕获时间关系；基于3DCNN的方法可以获得良好的性能，但计算量密集，部署成本高昂。该文提出了一种通用、高效的时移模块(TSM)。具体来说，它可以达到3DCNN的性能，但又保持了2DCNN的复杂性。TSM沿着时间维度移动部分通道；从而促进了相邻帧之间的信息交换。它可以插入到二维cnn中，以实现零计算和零参数的时间建模。 2. 介绍 硬件高效的视频理解是迈向现实世界部署的重要一步，无论是在云上还是
《TSM: Temporal Shift Module for Efficient Video Understanding》
Michael’s Blog
03-27 775
文章地址：https://arxiv.org/pdf/1811.08383.pdf 代码地址：https://github.com/mit-han-lab/temporal-shift-module 这篇文章思路比较有意思，而且也比较实用，文章引入一个叫Temporal Shift Module（TSM）模块来处理时序上的信息，而且TSM是0计算量、0参数的模块（虽然0计算、0参数但也是会引入少量的延时的）。下面来具体看看文章是怎么做到的。 一、网络结构 1.1 思路 先拿正经的卷积操作来举例说明。假设现在
Temporal Shift Module for Efficient Video Understanding速读笔记
风行
07-01 409
(一)Title 前言: 这篇文章看了之后,相对于双流,slow fast,时序建模不需要增加额外的计算复杂度,也不需要进行3D卷积。模型部署的成本较低，同时性能较好,真不戳！！！ (二) Keypoints 现有方法存在的问题 3D CNN方法性能好,但是计算量很大,部署成本太高。 解决方法： 提出Temporal Shift Module(TSM)模块能够达到3D CNN的性能,同时保持了2D的复杂性。TSM的核心思想是： shift part of the channels along t
TSM:Temporal Shift Module for Efficient Video Understanding论文和代码笔记
smileformylove的博客
09-06 504
文章 论文链接 核心思想就是2d来代替3d卷积，减少计算复杂度，这种想法在之前的p3d中使用inception和resnet的思想已经实现过。这里从卷积的数学上出发，分为移动和乘积，在移动过程中找到时序关系，而乘积可以用2d卷积代替 主要操作在于文章图一，实现结构在于文章的图三 代码 代码链接 首先清楚的是在网络的输入是BGR，读取的时候有-1将其反过来，输入的维度是B，C*L，H， W四维的张量...
《TSM: Temporal Shift Module for Efficient Video Understanding》 论文与代码解析
qianfengling0707的博客
06-28 921
论文地址：https://arxiv.org/pdf/1811.08383.pdf 代码地址：https://github.com/mit-han-lab/temporal-shift-module TSM，简而言之是一个视频理解网络，能够以2D卷积的计算量实现3D卷积的效果。
《TSM: Temporal Shift Module for Efficient Video Understanding》学习小记
justsolow的博客
03-26 824
《TSM: Temporal Shift Module for Efficient Video Understanding》学习小记 这里是这篇文章的链接，有兴趣的可以去下载原文进行阅读。 这里是文章相关的代码。 下面我主要是对原文的一些翻译和其中一些自己的观点，有其他意见的希望可以在评论区一起探讨。 作者的工作我认为有以下几点很突出的贡献： 1、实现在2D模型上达到3D模型的精度，极大的降低了计...
视频动作分类网络《TSM: Temporal Shift Module for Efficient Video Understanding》学习笔记
热门推荐
weixin_42907473的博客
11-12 1万+
全文按照原文的结构来描述（你可以当做是翻译，但不是谷歌翻译，是加入理解的翻译），尽可能保持作者原文想表达的意思，里面会穿插自己的想法(会注明)。 Abstract 问题： 视频流的爆炸增长带来了对高准确度和低成本计算的视频理解挑战。常规的2D CNN 在计算上是相对廉价的，但其无法捕获时间维度的关系。而基于3D CNN 的方法可以达到良好的效果性能，但计算量大，因此部署成本很大。 解决方案： 结...
TSM：绿色数据中心的节能散热与服务器策略
TSM（Thermal and Server Management，高效散热与服务器管理）是一项针对绿色数据中心设计的研究论文，由Jianxiong Wan、Gefei Zhang和Limin Liu等人提出，他们来自内蒙古工业大学信息工程学院，探讨了如何通过创新...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值