行为识别模型R(2+1)D的模型结构

已于 2022-02-08 14:05:04 修改
阅读量4.7k 收藏 46
点赞数 9
文章标签： 计算机视觉 深度学习 卷积神经网络
于 2020-10-04 13:41:24 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/weixin_39994739/article/details/108914207
版权

行为识别模型R( 2+1)D的模型结构

R(2+1)D代码链接与论文

链接: https://github.com/jfzhang95/pytorch-video-recognition.
论文：《A Closer Look at Spatiotemporal Convolutions for Action Recognition》

建议对照代码看

R(2+1)D模型结构

R(2+1)D模型结构图
block_type=SpatioTemporalResBlock
layer_size=[2,2,2,2]

Created with Raphaël 2.3.0 inputs:(N,3,16,112,112) SpatioTemporalConv:(3,64,(1,7,7),stride=(1,2,2),padding=(0,3,3),first_conv=True) ------------------------------------outputs:(N,64,16,56,56)----------------------------------------- SpatioTemporalResLayer:(64,64,3,layer_size[0],block_type=block_type) -----------------------------outputs:(N,64,16,56,56)----------------------------------- SpatioTemporalResLayer:(64,128,3,layer_size[1],block_type=block_type,downsample=True) ------------------------------------------outputs:(N,128,8,28,28)------------------------------------------------- SpatioTemporalResLayer:(128,256,3,layer_size[2],block_type=block_type,downsample=True) ------------------------------------------outputs:(N,256,4,14,14)------------------------------------------------- SpatioTemporalResLayer:(256,512,3,layer_size[3],block_type=block_type,downsample=True) ------------------------------------------outputs:(N,512,2,7,7)------------------------------------------------- AdaptiveAvgPool3d outputs:(N,512,1,1,1) View(-1,512) outputs:(N,512) Softmax Max Index outputs:(N,1)
最低0.47元/天 解锁文章
入坑&填坑
关注
  • 9
    点赞
  • 踩
  • 46
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
【深度学习】(2+1)D模型框架结构笔记
夹猪逃的博客
03-31 1950
（2+1）D 模型框架结构笔记SpatioTemporalConv模块结构SpatioTemporalResBlock模块结构SpatioTemporalResLayer模块结构2Plus1DNet SpatioTemporalConv模块结构 SpatioTemporalConv的输入参数:(in_channels,out_channels,kernel_size,stride=1,padding=0, bias=False,first_conv=False) Args: in_channels (int
R2Plus1D-MXNet:R2Plus1D MXNet实施
05-02
R2Plus1D-mxnet R2Plus1D MXNet实施 R2Plus1D： Caffe2实现： : 数据集 结果 在UCF101数据集上达到92.6％的准确度（Clip @ 1，仅使用1个片段进行预测），比原始的Caffe2模型（准确度91.3％）高1.3％ 。 用法 要求 具有GPU支持的MXNet OpenCV 资料准备 将数据集下载并提取到〜/ UCF101 从下载预到〜/ r2.5d_d34_l32.pkl 训练 $ python train.py --gpus 0,1,2,3,4,5,6,7 --pretrained ~/r2.5d_d34_l32.pkl --output ~/r2plus1d_output --batch_per_device 4 --lr 1e-4 --model_depth 34 --wd 0.005 --num_class 101
R2Plus1D-PyTorch: 视频理解的新篇章
最新发布
gitblog_00089的博客
04-27 385
R2Plus1D-PyTorch: 视频理解的新篇章 项目地址:https://gitcode.com/irhum/R2Plus1D-PyTorch 该项目，R2Plus1D-PyTorch，是一个基于PyTorch的深度学习框架，用于实现R(2+1)D视频分类模型。由Irhum Shafique开发，它为研究者和开发者提供了一个高效且易于使用的工具包，以处理和理解多维度时间序列数据，如视频。 项...
R(2+1)D理解与MindSpore框架下的实现
weixin_47907614的博客
02-03 1645
Tran等人在2018年发表在CVPR 的文章《A Closer Look at Spatiotemporal Convolutions for Action Recognition》提出了R(2+1)D，表明将三位卷积核分解为独立的空间和时间分量可以显著提高精度，R(2+1)D中的卷积模块将N×t×d×d的3D卷积拆分为N×1×d×d的2D空间卷积和M×t×1×1的1D时间卷积。
【视频理解】五、R2+1D
traveller的博客
11-06 442
R2+1D
CVPR2018 | R(2+1)D结构：视频动作识别中的时空卷积深度探究
热门推荐
HongYuSuiXinLang的博客
06-10 1万+
这篇文章 是C3D作者Du Tran+IDT作者Heng Wang新作。来自Facebook Resaerch &Dartmouth Colledge.阅读这篇文章之前，可以看一下对比文章《Learning Spatio-Temporal Representation with Pseudo-3D Residual Networks》。关于3维卷积，可以看一下文章《Learning Spa...
TEA论文阅读
qq_48939666的博客
11-09 848
1.时间建模 时间建模是视频中动作识别的关键，时间建模分为两个方面。 short-range motions:相邻帧之间的特征融合。 long-range aggregations：长时间序列的特征融合。 当前的方法以及缺点。 short-range motions 首先提取手工制作的光流，然后将其输入基于2D CNN的双流框架进行动作识别。 这样的双流架构分别处理每个流中的RGB图像和光流。光流的计算既耗时又需要存储。 空间和时间特征的学习是孤立的，并且仅在后期层执行融合。 .
论文研究 - 将深度学习模型应用于鼠标行为识别
05-22
在这项研究中，我们研究了人类动作识别任务中的两个当前最先进的深度学习模型，即I3D模型和R（2 +1）D模型，以解决鼠标行为识别任务。 我们将它们的性能与以前研究的其他模型进行了比较，结果表明，使用人类行为...
(2+1)D多时空信息融合模型及在行为识别的应用.docx
11-03
总结起来，(2+1)D多时空信息融合模型为视频行为识别提供了一种新的有效途径，它通过优化网络结构和特征提取策略，解决了传统方法的局限性，提高了复杂行为识别的效率和准确性。未来的研究可能会进一步探索如何在减少...
一种改进R(2+1)D网络的暴力行为检测方法.docx
11-28
网络模型结构包括1个(2+1)D卷积层、4个(2+1)D密集残差模块、1个全局池化层、1个全连接层、1个分类层器。使用5个卷积模块进行时空特征提取，卷积层后是全局平均池化层，再其次是全连接层，并在所有卷积层和全连接层...
action-recognition-models-pytorch:pytorch的动作识别模型
05-10
**动作识别模型PyTorch详解** 在人工智能领域，动作识别是一项关键任务，它涉及通过视频或连续图像序列识别人们执行的特定动作。PyTorch是一个流行的深度学习框架，以其灵活性和易用性受到广大研究者和开发者的青睐...
pytorch-c3d:PyTorch为视频动作识别实现了C3D和R2Plus1D模型
04-27
pytorch-c3d 用于视频动作识别的C3D模型 可以从下载训练的模型。
基于时序行为检测的工作流识别.docx
07-13
3. R-C3D改进：减小模型规模，显著提升识别速度。 4. Soft-NMS应用：确保提名片段的质量，提高识别的准确性。 具体来说，视频随机采样策略借鉴了TSN模型，每k帧中随机选取一帧，减少时序上的重复信息。视频时空特征...
【深度学习】深入理解卷积神经网络(CNN)
fengdu78的博客
10-02 2699
CNNAuthor：louwillFrom：深度学习笔记本文将为大家介绍一种用途更为广泛、性能更加优越的神经网络结构——卷积神经网络（Convolutional Neural Netw...
基于PyTorch的卷积神经网络经典BackBone(骨干网络)复现
datayx的文章
05-10 1246
向AI转型的程序员都关注了这个号????????????机器学习AI算法工程 公众号：datayx前言卷积神经网络的发展，从上个世纪就已经开始了，让时间回到1998年， 在当时，Yann LeCun 教授提出了一种较为成熟的卷积神经网络架构LeNet-5，现在被誉为卷积神经网络的“HelloWorld”，但由于当时计算机算力的局限性以及支持向量机(核学习方法)的兴起，CNN方法并不是当...
视频理解【论文学习】
hei_hei_hei_的博客
11-06 523
视频理解【论文学习】
《A Closer Look at Spatiotemporal Convolutions for Action Recognition》总结
源码森林
03-18 916
《A Closer Look at Spatiotemporal Convolutions for Action Recognition》 作者主要观点： 3D ResNets要比相同深度的2D ResNets，在大规模动作识别基准（如Sports-1M和Kinetics）上的训练识别结果更好。 研究方法： 实验分两部分： 以18层ResNet模型为基础，将本文提出的时空卷积...
行为识别论文笔记|I3D S3D R(2+1)D P3D CSN
njuptalex的博客
11-30 3941
视频理解论文笔记-I3D S3D R(2+1)D P3D CSN I3D Carreira, Joao, and Andrew Zisserman. “Quo vadis, action recognition? a new model and the kinetics dataset.” proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017. S3D Xie, Saining, et al.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
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