qq_43187760的博客

import torchimport torch.nn as nn# from mypath import Pathfrom torch.nn import functional as F'''问题：1 cost 模型中的参数共享这里是如何实现的？ 用一个卷积核来对三个输入张量进行卷积，来实现参数共享。 2 cost 的时空融合是分层进行的，这里是如何实现的？ 代码 175行-180行均是实现。 这里cost网络被调用了多次。''''''论文中的..

论文笔记1 引子​ 在本文中，我们提出了一种新颖的协作时空（CoST）特征学习操作，它与权重共享共同学习时空特征。​ 给定3D体积视频张量，我们通过从不同角度观看它们，将其展平为三组2D图像。 然后将2D卷积应用于每组2D图像。图1示出了来自示例性视频剪辑的三个视图的2D快照，其中一个人在体育场高跳。 H-W的视图是人类熟悉的自然景观。 通过在时间T上从该视图逐帧扫描视频，我们能够理解视频内容。 尽管来自涉及T（即T-W和T-H）的视图的快照难以为人类解释，但它们包含与正常H-W

论文笔记1 介绍1.1 引子在本文中，我们提出了一种新颖的协作时空（CoST）特征学习操作，它与权重共享约束共同学习时空特征。给定3D体积视频张量，我们通过从不同角度观看它们，将其展平为三组2D图像。 然后将2D卷积应用于每组2D图像。图1示出了来自示例性视频剪辑的三个视图的2D快照，其中一个人在体育场高跳。H-W的视图是人类熟悉的自然景观。 通过在时间T上从该视图逐帧扫描视频，我们能够理解视频内容。 尽管来自涉及T（即T-W和T-H）的视图的快照难以为人类解释，但它们包含与正常H-W视图完全

tsn 论文阅读笔记1 论文链接链接：https://pan.baidu.com/s/1jh0r5M9XMqB14aRAi6ZNVw提取码：l8vx2 论文讲了什么这是一个视频级的预测，将一段video分成k个segment（论文中k=3），然后从每个segment里面分别随机取一帧即Snippets，将RGB和flow格式的图分别送入spatial ConvNet和Temporal ConvNet学习空间特征和时序特征，然后将不同segment的特征融合后输出分类结果。3 tsn 函数调用关