文章目錄

• • 0. 前言
  • 1. 要解決什么問題
  • 2. 用了什么方法
  • 3. 效果如何
  • 4. 還存在什么問題&有什么可以借鑒

---

0. 前言

• 相關(guān)資料：
  • cvpr頁面
  • github
  • 論文解讀（官方解讀）
• 論文基本信息
  • 領(lǐng)域：行為識別（雖然標(biāo)題里有tube，但其實做的是行為識別……）
  • 作者單位：中國科技大學(xué)&微軟亞洲研究院
  • 發(fā)表時間：CVPR 2018

---

1. 要解決什么問題

• 3D卷積計算量太大，影響行為識別的效果。
• 當(dāng)時的3D模型還是C3D，沒花頭。

---

2. 用了什么方法

• 提出了 Mixed Convolutional Tube (MiCT) 結(jié)構(gòu)，降低計算量、提高性能。
  • 說白了就是用一些2D+3D的結(jié)構(gòu)來替換之前C3D中的3D結(jié)構(gòu)。
  • 主要靈感來源于：視頻數(shù)據(jù)中，相比 spatial 緯度，temporal 緯度的信息更多，或者說，相鄰幀中空間維度的信息隨時間變化較小。
• 3D/2D卷積串聯(lián)結(jié)構(gòu)
  • 先3D，再對temporal緯度每一個分別進行2D。
• 3D/2D cross-domain residual connection
  • 看樣子應(yīng)該是3D和2D的融合
• 網(wǎng)絡(luò)總體結(jié)構(gòu)，即 MiCT-Net 結(jié)構(gòu)

---

3. 效果如何

• 結(jié)果其實不是很想放，只有在UCF101和HMDB51上的結(jié)果，沒有Kinetics400的

---

4. 還存在什么問題&有什么可以借鑒

• 數(shù)據(jù)融合的這幾個結(jié)構(gòu)也許有機會可以嘗試一下。

• 效果在現(xiàn)在看來應(yīng)該不太行。

• 表格里寫了300+fps，但好像沒有硬件型號？。。。

總結(jié)

以上是生活随笔為你收集整理的论文浏览(45) MiCT: Mixed 3D/2D Convolutional Tube for Human Action Recognition的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。