paranoid_CNN的博客

总概本篇文章提出了三点： 1、propose一个two-stream卷积神经网络框架，时间流和空间流。 2、表明提出的光流神经网络在action recognition上有较好的结果。 3、multi-task learning，用于data argument。所有的训练和评估bendmark：UCF101和HMDB-51。设计成two-stream的原因：Video can naturall

Introduction此论文结合了hand-craft features 和 deep convolutional features两种提取特征的方式，方法名称：trajectory-pooled deepconvolutional descriptor ，简称TDD。 整个过程分两步：利用cnn学习convolutional features采用trajectory-constrained

INTRODUCTION in general，trajectory features is extracted using the KLT tracker or matching SIFT descriptors between frames. however，extracted trajectores is various depend on the methods， We sample

这篇文章出自2016 NIPS， 作者是格林茨大学的Feichtenhofer。背景：几乎现在行为识别领域，比较work的工作都是基于二流网络。其中appearance和motion分别由两个不同的网络学习，并将两个网络的结果做融合后产生识别。本文创新部分： a、将二维空间ResNet网络部分扩展到时间域。即原来的二维空间网络W*H*C 映射到W*H*T*C， 具体初始化方法如下：这样的好处有两

2017年cvpr，刚放出来的文章，大概看了一下，是在上一篇文章的扩展，上一篇文章见：http://blog.csdn.net/paranoid_cnn/article/details/77838574 问题：基于二流网络，本篇文章和给出上述链接的文章的思想是：原始的二流网络分别学习appearance stream和motion stream，虽然取得了比较work的性能，但时间和空间是分开学习的

时光荏苒，岁月如梭，恍惚间，一道白光闪现，空中一尊大佛低声喃语：小伙子，你，是不是太久没读论文了！于是，我开始补论文。简略记下，防止忘掉。本文是deepmind出品，目的，就一个，放出个关于视频方面的训练集kinetics，一个四百个类，每个类有至少四百个clips，每个clips十秒钟，属于从youtube上剪切的视频，然后对比了几种现在存在的用于行为识别的几种框架，具体如下图： 其中，a，b

这篇文章可以说很晦涩了，作者用图卷积学习骨架数据，大概看一遍文章就知道作者建立了3-D Graph，然后用图卷积来学习所建立的图数据特征，然后再识别行为。但是这不是晦涩的地方，毕竟一个图，就看明白了，晦涩的地方是文章中的数据是的维度以及这个维度计算是怎么在图卷积中流动的。不类比传统卷积还好，偏偏现在大多都是拿传统卷积来讲图卷积，然后，会不自觉的用二维欧几里德图形里的传统卷积来考虑图卷积，这就开始蛋...

真的不好意思了。