qq_42493281的博客

文章提出了一种称为 AdaFuse 的自适应时间融合网络，它动态地融合来自当前和过去特征图的通道，以进行强大的时间建模。该方法在必要时重用历史特征（即，动态决定每个层和每个实例保留、重用或跳过哪些通道），目的是提高识别率和效率。该方法可以作为插件操作用于各种基于 2D CNN 的动作识别架构。该方法的概念图如下：对于历史特征图和当前特征图，先通过全局平均池化得到特征向量，然后将特征向量输入预测网络，预测网络输出结果pt取值如下：pt=0代表将特征图保留（即进行正常卷积操作）；pt=1代表重.

论文地址：https://arxiv.org/pdf/2011.12384v1.pdf文章介绍了 A3D，这是一种自适应 3D 网络，可以通过一次性训练在广泛的计算约束下进行推断。它不是以网格搜索方式训练多个模型，而是通过在网络宽度和时空分辨率之间进行权衡来生成良好的配置。论文提出了子网络与全网络相互训练的方式，即时空蒸馏策略，以促进不同网络配置之间的知识转移。网络主干采用SlowFast，通过对网络宽度系数和时空分辨率因子在一定范围内随机采样，组合出多种训练配置，通过多路径权衡和自..