ECO在线视频理解PyTorch代码实现(Efficient Convolutional Network for Online Video Understanding)

最新推荐文章于 2024-05-17 15:09:34 发布
最新推荐文章于 2024-05-17 15:09:34 发布
阅读量5.8k 收藏 26
点赞数 7
分类专栏： 行为识别 在线视频理解 文章标签： ECO 在线视频理解
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/zhang_can/article/details/81537439
版权

近期，arXiv上出现了一篇用于在线视频理解的高效卷积网络ECO。论文题目：《ECO: Efficient Convolutional Network for Online Video Understanding》。论文作者来自弗莱堡大学。

我自己实现了一个ECO的PyTorch版本，项目地址：
https://github.com/zhang-can/ECO-pytorch

该repo进度会不定期更新，请持续关注！

林天威曾经写过一篇论文笔记： 用于在线视频理解的高效卷积网络，分析得比较全面，读后可以对本篇文章有比较清晰的把握。

zhang_can
关注
  • 7
    点赞
  • 踩
  • 26
    收藏
    觉得还不错? 一键收藏
  • 27
    评论
专栏目录
ECO: Efficient convolutional Network For online video understanding（在线视频理解，实时，动作分类，视频描述）
xiayuanma的专栏
05-21 4758
问题： 1. 大部分推理均是局部进行的，丧失了跨越数秒的动作内的重要关系 2. 尽管有快速桢处理的局部方法，整个视频的处理效率不高，有损在线长视频分类检索的效率 本文： 引入一网络结构（考虑进了长视频和短视频，同时能使快速实现每个视频（per-video）的处理） 该结构基于融合网络中的长程内容，而不是post-hoc fusion。 采用采样策略（相邻帧大多是冗余的），产生能达到...
ECO-pytorch的模型结构、测试脚本
12-25
包含三个文件：ECO-lite的结构，ECO-Full的结构，ECO-pytorch的测试脚本 测试脚本需要先将视频分割成单帧图像，然后输入list文件，list文件每一行格式：帧图像路径 帧数 类别
深度学习 10 — Pytorch 实现车牌识别
最新发布
TOMWilliamLIN的博客
05-17 972
初步了解多分类任务
PyTorch implementation for "ECO，finetune on ucf101
whatsuo的博客
01-29 965
方法出自论文 ECCV2018 " Efficient Convolutional Network for Online Video Understanding" 接口出自https://github.com/mzolfaghari/ECO-pytorch 环境要求 作者： Python 3.5.2 PyTorch 0.4.1 TorchVison: 0.2.1 我的： centos系统 Pyth...
c++调用ECO-pytorch模型做行为识别
whatsuo的博客
02-26 1529
数据集：UCF101 算法模型：ECO-pytorch，自己在UCF101做的finetune，top1准确率为75%左右，然后通过pytorch Script 将模型转为c++可调用的版本，后续有需求我可以上传这个模型。 需要的库：opencv（网上很多教程，不再多说）和libtorch（官网可下） c++调用代码 #include <torch/script.h> // One-s...
pytorch项目代码总结
从此做一个俗人
08-02 439
半精度浮点型 如果想生成半精度浮点型训练模型，则在训练的过程中，模型和输入样本数据都要cuda().half()进行处理 model.cuda().half()就可以实现对模型所有参数进行半精度浮点型设置 半精度浮点型模型如果是通过adam优化器训练得到的，可能会出现某些权重为NAN的情况，sgd没有这个问题 半精度浮点型模型在大型网络训练时，速度较于全精度快很多，但对于小模型速度提升不明显 ...
Learning a Deep Convolutional Network for Image Super-Resolution论文分析与pytorch代码
01-06
Learning a Deep Convolutional Network for Image Super-Resolution论文地址简介模型图模型框架算法流程Patch extraction and representationnon-linear mapping 非线性映射Reconstruction训练测试实验结果Pytorch...
EfficientUnet-PyTorch:以EfficientNet为编码器的Unet的PyTorch 1.0实现
05-05
高效的Unet-PyTorch 以EfficientNet为编码器的Unet的PyTorch 1.0实现有用的笔记由于解码器路径中存在一些舍入问题（不是错误，因此这是一个功能） :smirking_face: ），输入形状应可被32整除。 例如224x224是适合...
Video-Action-Transformer-Network-Pytorch-:视频行动变压器网络的实现
05-01
视频行动变压器网络的Pytorch和Tensorflow实现Rohit Girdhar，Joao Carreira，Carl Doersch，Andrew Zisserman 重新定义视频变压器（用途为RESNET基地）transformer_v1.py更像是真正的变压器，transformer.py更真实...
EfficientNet-PyTorch：EfficientNet的PyTorch实现
02-24
EfficientNet PyTorch快速开始使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet： from efficientnet_pytorch import EfficientNetmodel = Efficient...
pytorch实现的在线强化学习11种常见算法代码
02-01
这个资源是一个包含了使用 PyTorch 实现的11种常见在线强化学习算法的代码集合。每个算法都有独立的文件夹，可以单独运行并测试相应算法在不同环境中的性能。以下是资源中包含的算法： 1、Q-learning 2、SARSA 3、...
FCN网络实现（pytorch）
09-07
FCN网络实现（pytorch），需要torchvison的VGG预训练模型，输出经过nn.logsoftmax处理后，使用nn.NLLLoss()损失函数。
ECO跟踪算法源码
10-12
ECO跟踪算法源码，来源于CVPR2017会议，ECO是C-COT的加速版，从模型大小、样本集大小和更新策略三个方便加速，速度比C-COT提升了20倍，加量还减价，EAO提升了13.3%，最最最厉害的是， hand-crafted features的ECO-HC有60FPS
Python-FCN完全卷积网络中最简单最容易使用的pytorch实现
08-11
FCN（完全卷积网络）中最简单，最容易使用的pytorch实现
ctdet_coco_hg.pth.part1.rar
03-10
Centernet hourglass基于coco数据集训练出来的模型文件ctdet_coco_hg.pth的第一部分part1，用作为Centernet训练用的预训练模型
ECO
sannianyihoushuma的博客
01-13 598
https://zhuanlan.zhihu.com/p/25312414
基于pytorch的fcn_FCN 的简单实现
weixin_35063366的博客
12-24 1440
学习了沐神的 gluon 课程，觉得里面有关于 fcn 的课程 特别有用，于是总结一下，同时使用 pytorch 重新实现，不仅实现 gluon 教程中的部分，同时实现论文中更精细的形式。介绍语义分割是一种像素级别的处理图像方式，对比于目标检测其更加精确，能够自动从图像中划分出对象区域并识别对象区域中的类别，比如下面这个效果上面是输入的图片，下面是希望得到的效果，也就是希望能够对区域进行像素级别的...
Pytorch复现FCN网络
weixin_44753371的博客
04-03 4880
Pytorch复现FCN网络详解(可复现) 1、环境配置 windows10，pytorch=1.3，python=3.6 参考博客：https://github.com/wkentaro/pytorch-fcn 本文FCN完整复现代码：https://github.com/fc-123/Semantic-segmentation/tree/master/Pytorch-FCN 2、数据集说明 本...
基于pytorch的fcn_FCN原理及pytorch实现
weixin_33508272的博客
12-24 1093
1、图像分类与语义分割通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的一个数值描述(概率)，比如AlexNet的ImageNet模型输出一个1000维的向量表示输入图像属于每一类的概率(softmax归一化)。FCN对...

“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 27
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