【S3D笔记】

S3D笔记

阅读SignVTCL论文时，看到Three-Branch Network的结构里有S3D Block

于是找这篇论文了解一下: Rethinking Spatiotemporal Feature Learning: Speed-Accuracy Trade-offs in Video Classification的原文链接: https://arxiv.org/pdf/1712.04851.pdf

3D temporal separable Inception block

如图右3，重点关注Sep-Inc区域

关于Inception block，可以参考李沐介绍的GoogLeNet网络的Inception block https://zh-v2.d2l.ai/chapter_convolutional-modern/googlenet.html

An illustration of the S3D model

如图所示

其中粉色区域就是上面提到的Sep-Inc

关于SignVTCL有个小小的疑问，作者说在keypoints分支中替换了第一个块的第一个卷积层，以适应关键点的输入格式。

通过观察S3D的结构发现，作者应该是在Sep-Conv 777 Stride2这块将Conv 711替换了，但是换成什么样的层尚未说清楚。。。希望未来可以解惑吧，come on~