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))
kernel_size=(1, 2, 2), stride=(1, 2, 2):
第一个1:时间序列上的长度为1,16帧数据经过pooling还是16;作者不希望刚开始的时候压缩在时间序列上的特征。
第二、三个2:H,W的长度为2,高、宽经pooling后变为原来的一半。