qq_41956697的博客

arxiv:https://arxiv.org/abs/1805.04668作者首先训练了一个教师网络，它查看视频中的所有帧。然后训练一个学生网络，其目标是只处理视频中的一小部分帧，并且产生的结果非常接近教师网络。作者在YouTube-8M数据集上进行了实验，结果表明所提出的学生网络在性能下降很小的情况下，推理时间可以减少30%。作者关注了一个最先进的模型，其性能在这个数据集上接近最好，将此模型作为教师网络，并训练了一个可比较的学生网络。在这项工作中，作者选择了分层RNN（hierarchical RN

这是一些可能与本次比赛有关的阅读材料。原始数据集文件：YouTube-8M：大型视频分类基准：https：//arxiv.org/abs/1609.08675上届比赛：借助Context Gating进行视频分类的可学池：https : //arxiv.org/abs/1706.06905YouTube-8M视频理解挑战的猴子式解决方案：https：//arxiv.org/abs/1706.05150大规模Youtube-8M视频理解的时间建模方法：https://arxiv.org/abs/1

intro: CVPR’17 Workshop on YouTube-8Marxiv: https://arxiv.org/abs/1707.04143github: https://github.com/ffmpbgrnn/yt8mYouTube-8M提供的帧级数据集分为静态图像特征和音频特征，静态图片特征是由ImageNet上预先训练的Inception network提取的，音频特征是由YouTube-8M第一个版本上训练的VGG模型提取的。摘要在这篇文章中，我们提出了我们的解决方案，谷歌Y