A Closer Look at Spatiotemporal Convolutions for Action Recognition

A Closer Look at Spatiotemporal Convolutions for Action Recognition

主要贡献

比较了几种用于视频分析的时空卷积形式,提出了“R(2+1)D”架构。

用于视频分析的时空卷积形式

Residual network architectures for video classification considered in this work.
在这里插入图片描述
(2+1)D vs 3D convolution
在这里插入图片描述
N i N_i Ni个 大小为 N i − 1 N_{i−1} Ni1 × t × d × d的3D卷积核替换为 M i M_i Mi个大小为 N i − 1 N_{i−1} Ni1× 1 × d × d的2D卷积核替和 N i N_i Ni个大小为 M i M_i Mi× t × 1 × 1的卷积核。
同时为了使分解后的 R(2+1)D 核和原3D卷积核的参数量大体相同,本文让上图中的 M i M_i Mi值等于
在这里插入图片描述
使用因式分解卷积核有以下两个优点:
① 增加了额外的非线性映射,提高了网络的表示能力。
②使得网络的参数更加容易优化,在参数量相同的情况下,R(2+1)D 获得的训练损失和测试损失更低。网络层数越深,效果差距越明显。
在这里插入图片描述

实验

R3D architectures considered in our experiments.
在这里插入图片描述
Action recognition accuracy for different forms of convolution on the Kinetics validation set.
在这里插入图片描述
Comparison with the state-of-the-art on Sports-1M.
在这里插入图片描述
Comparison with the state-of-the-art on Kinetics.
在这里插入图片描述
Comparison with the state-of-the-art on UCF101 and HMDB51.
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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