C3D论文笔记

最新推荐文章于 2024-05-21 18:38:40 发布
最新推荐文章于 2024-05-21 18:38:40 发布
阅读量1.5k 收藏 7
点赞数
分类专栏： C3D 文章标签： 深度学习
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/qq_39862223/article/details/108717535
版权
C3D是一种3D卷积网络，用于视频理解和行为识别。相比2D卷积，C3D能更好地捕捉时间信息。论文表明3D ConvNets在时空特征学习上优于2D ConvNets，并在多个基准数据集上取得了最佳结果。C3D网络结构包含8个卷积层、5个池化层和全连接层，使用3x3x3卷积核，通过改变时间核长度探索最优网络架构。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述
论文链接：http://vlg.cs.dartmouth.edu/c3d/c3d_video.pdf
代码链接：https://github.com/jfzhang95/pytorch-video-recognition

1. C3D是什么？

C3D，全称Convolutional 3D，即3D卷积。3D卷积方法是把视频划分成很多固定长度的片段(clip)，相比2D卷积，3D卷积可以提取连续帧之间的运动信息，换句话说，3D卷积将视频多帧进行融合。

2. 论文贡献

  • 3D ConvNets比2D ConvNets更适用于时空特征的学习
  • 对于3D ConvNet而言，在所有层使用3×3×3的小卷积核效果最好
  • 使用3D卷积学习到的特征，通过简单的线性分类器在4个不同的基准上均优于最新的方法

3. 本文方法

3.1 2D和3D卷积对比

最低0.47元/天 解锁文章
Pytorch实现姿态识别（二）——视频分析C3D的网络架构
wa1tzy的博客
07-21 2535
C3D网络架构与结构图： 3D卷积与2D卷积的区别：其中多了一个时间维度 三维卷积与三维池化的理解： ① nn.Conv3d(3, 64, kernel_size=(3, 3, 3), padding=(1, 1, 1)) kernel_size=(3, 3, 3)： 第一个3：一共16帧，当前处理3帧； 第二、三个3：H,W的大小； padding=(1, 1, 1)：三维、高、宽都填充1 ② nn.MaxPool3d(kernel_size=(1, 2, 2), stride=(1, 2, 2))
C3D论文精读
qq_52053775的博客
10-16 2449
1)与二维相比，三维卷积网更适合时空特征学习；2)所有层具有3×3×3的小卷积核的同构架构是3D卷积网的最佳架构之一；3)学习到的特征，即C3D（卷积3D），使用一个简单的线性分类器，在4个不同的基准上优于最先进的方法，并在其他2个基准上与当前的最佳方法相比较。一个有效的视频理解算法有四个属性： (i)它需要是通用的，这样它就可以很好地表示不同类型的视频，同时具有区别性。例如，互联网视频可以是风景、自然场景、体育、电视节目、电影、宠物、食物等；（ii）
论文笔记之C3D（Learning Spatiotemporal Features with 3D Convolutional Networks）
加油
06-26 3703
通过构造了对称的3×3×3卷积核来利用3D卷积学习时空特征，计算效率高。 论文地址：http://vlg.cs.dartmouth.edu/c3d/c3d_video.pdf 1. 摘要 本文提出了一种简单而有效的时空特征学习方法，使用在大规模有监督视频数据集上训练的3D 卷积网络。本文的发现有三个方面： 1）与2D ConvNets相比，3D ConvNets更适合于时空特征学习； 2）一个在所有层都有3 × 3 × 3卷积核的同质结构是3D ConvNets的最佳性能结构； 3）学习到的特征，即C3.
论文笔记C3D：Learning Spatiotemporal Features with 3D Convolutional Networks
Blssel的博客
03-23 1798
思考对视频进行描述，其描述子必须：1.具有普遍性以适应各种场景；2.必须短小紧凑3.必须利于计算4.必须易于实现图像识别中，特征提取的很完备和优秀，但不适用于视频。本文致力于利用3D CNN提取时空特征。我们只用线性分类器来分类它们，以验证特征好坏。并且这些特征可以被拿来做各种视频分析任务，无需针对任务再调整模型（就笔者知道的，包括video caption, temporal action det
动作识别经典C3D论文Learning Spatiotemporal Features with 3D Convolutional Networks的介绍
weifengqingdian的博客
03-09 9221
关于论文Learning Spatiotemporal Features with 3D Convolutional Networks的介绍这篇论文提出了一个比较高效的C3D网络来提取视频的空间时间特征。相比于2D网络，3D网络能够更好的提取特征，而且只需配合简单分类器就能够比当前多数已有算法取得更好的表现。引言部分与相关研究就不提了，大概就是这个视频的动作识别在现在未来很有用，然后其他人的工作虽...
论文笔记 - C3D
· Ich liebe Dich
02-22 597
Learning Spatiotemporal Features with 3D Convolutional Networks 翻译过这篇论文后，简单梳理一下本论文。 一、摘要   提出了一种简单还有效的时空特征学习方法，它基于大尺度监督视频数据集上训练的深层三维卷积网络（3D3D3D ConvNetsConvNetsConvNets），其中发现三个方面： （1）相比于 2D2D2D ConvNe...
C3D-network论文笔记
mieleizhi0522的博客
04-26 3万+
       前几天一直在看Faster-Rcnn源码和YOLOv3（C语言）源码，感觉时间浪费了不少，但是一个都没有看懂，总结出一句话就是：这TM写的是个啥？我为啥一个都看不懂，原理理解是一回事，看懂代码是一回事，至于自己上手敲更是另外一回事了，后来想想，我没看懂也是有道理的，因为我没有花那么多的时间去看，只看了两三天，有些代码真的不懂，也没有去深究，所有以至于整个都没有看懂，问了一个看完Fas...
视频行为识别检测综述 IDT TSN CNN-LSTM C3D CDC R-C3D
热门推荐
万有文的博客
06-20 14万+
本文github地址 Video Analysis之Action Recognition(行为识别) 行为识别就是对时域预先分割好的序列判定其所属行为动作的类型，即“读懂行为”。 [行为检测|论文解读]行为检测调研综述 较新 基于Deep Learning 的视频识别技术 科研成果—-中国科学院深圳先进技术研究院 面向人体姿态行为理解的深度学习方法 CVPR 2014 Tut...
C3D网络笔记
weixin_42238150的博客
11-15 2817
C3D网络 论文链接 论文翻译 该论文发现： 1、3D ConvNets比2D ConvNets更适用于时空特征的学习； 2、对于3D ConvNet而言，在所有层使用3×3×3的小卷积核效果最好； 3、我们通过简单的线性分类器学到的特征名为C3D(Convolutional 3D)，在4个不同的基准上优于现有的方法，并在其他2个基准上与目前最好的方法相当。 论文的主要贡献 我们的实验表明3D...
C3D:Learning Spatiotemporal Features with 3D Convolutional Networks
陈大遥的博客
05-21 354
1.首先固定h和w均为3，构造小网络进行对比实验找寻最佳的3D kernel depth，最终确定为3. 2.使用3X3X3的卷积构造C3D。 论文写作灵感： A实验:iDT+SVM B实验:C3D+SVM C实验:iDT+C3D+SVM D实验:C3D+SVM+imagenet pretrain C大于A和B：可解释为iDT和C3D具有互补性 D相对于B没什么提升：C3D已经具有...
tensorflow-C3D-ucf101网络
10-17
3dcnn 行为识别网络架构并使用softmax层 用于ucf101数据集
c3d-pretrained.z01
04-10
视频识别-C3D网络 pre-train model part 1 C3D network由5个三维卷积块（包含8个三维卷积层和5个三维最大池化层）、两个全连接层和一个分类层构成。 3D ConvNets比2D ConvNets更适用于时空特征的学习； 对于3D ConvNet而言，在所有层使用3×3×3的小卷积核效果最好； 我们通过简单的线性分类器学到的特征名为C3D(Convolutional 3D)，在4个不同的基准上优于现有的方法，并在其他2个基准上与目前最好的方法相当。
C3D网络介绍
weixin_42404050的博客
12-29 4346
C3D模型广泛用于3D视觉任务。C3D网络的构造类似于常见的2D卷积网，主要区别在于C3D使用像卷积3D这样的3D操作，而2D卷积网则是通常的2D架构。要了解有关C3D网络的更多信息，您可以阅读原始论文学习3D卷积网络的时空特征。
R-C3D：Region Convolutional 3D Network for Temporal Activity Detection
qq1145520074的专栏
03-19 4671
原论文连接：R-C3D：Region Convolutional 3D Network for Temporal Activity Detectionmotivationtemporal action detection是要在视频序列中确定动作发生的时间区间（包括开始时间与结束时间）以及动作的类别。类似于图像中的目标检测任务，时序动作检测也可以分为生成时间区域提名（temporal action ...
C3D
俯瞰这世界有多美的博客
03-17 1574
3月2019学年C3D事件相机ppt汇报3月目标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FLowchart流程图导出与导入导出导入 事件相机ppt汇报 你...
视频分类——C3D使用
最新发布
TigerZ*的博客
05-21 971
文章介绍了视频分类模型和开源代码的使用。
视频分析模型（行为识别）：C3D
米之炼金术师的博客
06-30 1万+
C3D 文章目录C3D1. 简介1.1 背景1.2 C3D特点1.3 视频描述符1.4 C3D的结果2. 架构2.1 工作流程2.2 网络结构2.3 3D卷积和池化2.4 kernel 的时间深度3. 可视化3.1 特征图3.2 特征嵌入4. 应用场景4.1 动作识别4.2 动作相似度标注4.3 场景和目标识别4.4 运行时间分析 1. 简介 论文：https://arxiv.org/abs/1412.0767v4 github： 原代码：https://github.com/facebook/C3D Te
行为识别笔记：C3D network-用于视频特征提取的3维卷积网络
Will Lin的博客
03-10 5万+
注：本文首发在微信公众号-极市平台。如需转载，请联系微信Extreme-Vision卷积神经网络（CNN）近年被广泛应用于计算机视觉中，包括分类、检测、分割等任务。这些任务一般都是针对图像进行的，使用的是二维卷积（即卷积核的维度为二维）。而对于基于视频分析的问题，2D convolution不能很好得捕获时序上的信息。因此3D convolution就被提出来了。3D convolution 最早应
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