本文介绍了GluonCV库在动作识别领域的应用，包括基于TSN、R2+1D、I3D等先进网络的预训练模型。详细讨论了不同网络结构的特性，如TSN的Temporal Segment Networks、R2+1D的3D卷积、I3D的双流3D ConvNet等，并提供了Kinetics-400数据集上的实验结果。此外，还展示了如何使用预训练的I3D模型进行视频分类，并分享了实际运行中的体验和问题。
一、简述
GluonCV 提供计算机视觉领域最先进 (SOTA) 深度学习算法的实现。它旨在帮助工程师、研究人员和学生快速制作产品原型、验证新想法并学习计算机视觉。
同时支持 PyTorch 和 MXNet。
GluonCV 提供了分类、检测、分割、姿势估计、动作识别、深度预测这几类的预训练模型，我们这里主要关注动作识别这个分类。
提供了若干用于视频动作识别任务的预训练模型（在Kinetics400上训练）。
下面是MXNet和PyTorch上分别支持的网络的清单。
<MXNet: TSN, C3D, I3D, I3D_slow, P3D, R3D, R2+1D, Non-local, SlowFast
PyTorch: TSN, I3D, I3D_slow, R2+1D, Non-local, CSN, SlowFast, TPN
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
