【没有哪个港口是永远的停留~ 论文简读】SlowFast

code:https://github.com/facebookresearch/SlowFast 

论文：SlowFast Networks for Video Recognition

没打算研究，但看到了何凯明三个大拼音，闪瞎了我的狗眼

 一、模型长啥样？

 很直观

以 ResNets 为例，展示怎么设置网络结构

 很明显，转化的特点是：

• Slow/Fast可以是不同的任何模型
• 找尺寸相同的靠后层做几个侧链接，res4&res5  (前面层的加上不准)
• Fast要快，所以模型要小，Slow就正常就行
• slow：每16帧取1帧，fast:  每2帧取1帧

Slow 和 Fast 是怎么融合的？

• Time-to-channel: {αT, S2,βC} -> {T, S2, αβC},也就是原来多出来的时间维度，都当成通道了
• Time-strided sampling:  {αT, S2, βC} -> {T, S2, βC}，取α帧中的一帧来跟slow融合
• Time-strided convolution: stride = α的3D卷积。卷积核5x1x1 ,通道数=2βC

后面接分类结构就是分类模型。接检测结构就是个检测的模型