res3D18

genous110

于 2019-04-21 22:38:56 发布

阅读量3.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：一些论文

本文链接：https://blog.youkuaiyun.com/genous110/article/details/89441429

论文介绍了基于C3D和Deep Residual Learning的3D残差网络Res3D18。模型设计考虑了不同输入分辨率、采样间隔和网络深度对性能的影响。实验表明，在保持参数数量不变的情况下，18层的Res3D18表现良好，特别是在使用Sport-1M数据库时。相比于不带LSTM的方法，Res3D18效果更优，仅略逊于使用平均池化的LSTM模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

该论文借鉴了C3D和何凯明等人的经典论文Deep Residual Learning for Image Recognition，CPVR，2016.
设计出来的可以称之为3D残差网络。具体模型如下图：
在这里插入图片描述
最终采用的是18层的。
下图通过将3D变成2D，得到3D比2D好。

模型的输入为8×112×112. 在需要下采样的卷积层之中，除了第一个的步长是1×2×2，其余的都是2×2×2.
该论文通过一些列的观察，得出18层的就够了，前提条件是在保持模型总参数不变的情况之下。
训练细节如下：
在这里插入图片描述
采样间隔讨论如下
间隔分为1，2，4，8，16，32. 为1的话，表明连续取4幅图片（调参的时候采用ucf101，输入是4×112×112，模型参数确定好以后，输入变成8×112×112），为32，表示是从128幅图像里面每间隔32选取1幅图像，实验结果如下在这里插入图片描述
输入图像分辨率的讨论
分224×224，112×112和56×56，分别从256×342，128×171和64×86中剪接。卷积核，步长，池化如下：