- 博客(7)
- 收藏
- 关注
RSS订阅原创 深度学习笔记——基于双向卷积长短期记忆（Bi-ConvLSTM）的网络模型
传统 “词袋模型（BoW）” 在动作识别中的应用，是先从视频中提取局部特征（如人体关键点、运动轨迹），将这些特征视为 “视觉词”，再通过统计 “词频” 生成特征向量 —— 比如 “跑步” 动作中 “腿部摆动” 特征出现频率高，“站立” 动作中该特征频率低。离线识别优势：在处理完整动作序列时，这种 “时序化特征编码” 能精准区分 “相似但顺序不同的动作”（如 “穿衣服” vs “脱衣服”），在 KTH、UT-Tower 等数据集上，离线识别精度较传统词袋模型提升 15%-20%。
2025-12-03 15:02:26
699
原创 学习笔记——I3D论文解读
当时主流的动作识别数据集（UCF-101、HMDB-51）规模极小：UCF-101 仅 1.3 万段视频，HMDB-51 仅 0.7 万段视频，且类别数少（51-101 类）、场景单一。
2025-11-24 16:28:17
1113
原创 C3D论文解读-学习笔记
这里可以就看到它有三个主要贡献：1、和二维神经网络相比，三维卷积网络更适合时空特征学习2、C3D的最佳架构是在所有层都采用小型的3*3*3卷积核的同质架构3、C3D在6个任务中有4个不同基准测试中的表现比现在最先进的算法还要好问题1：这里面的同质架构是啥意思：网络中所有卷积层都采用完全相同规格的 3D 卷积核（即统一的 3×3×3 尺寸），且卷积层的核心设计逻辑（如步长、填充方式等）在各层保持一致，不存在不同层使用不同大小 / 类型卷积核的情况。
2025-10-25 12:01:20
1093
原创 深度学习笔记—AlexNet(CIFAR-10)代码复现
先导入模型再创建模型实例。问题1：如何创建模型实例使用 torchvision.models.alexnet 函数创建 AlexNet 模型，通过 num_classes 参数指定输出类别数，对于 CIFAR-10 数据集，设置 num_classes=10。（注：num_classes决定网络最后一层全连接层的输出维度）问题2：pretrained 参数的区别从头训练和迁移学习的区别，默认从头训练。问题3：dropout 参数作用。
2025-10-23 15:13:28
1159
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人