3DCNN参数解析：2013-PAMI-3DCNN for Human Action Recognition

参数分析
Input：7 @ 60 $\times$ 40， 7帧，图片大小60 $\times$ 40

hardwired： H1
产生5通道信息，分别是gray, gradient-x, gradient-y, optflow-x, optflow-y。前三个对于每一张图片都计算得到一张图，后两个是相邻两张图片得到一张图。
因此，经过hardwired可以得到：7 $\times$ 3 + 6 $\times$ 2 = 33
经过hardwired可以得到33 @ 60 $\times$ 40

3DCNN layer：C2
对于前面的5个通道，每个通道都用2个kernel size: 7 $\times$ 7 $\times$ 3 (7 $\times$ 7是spatial dimension, 3是temporal dimension)的3D卷积（padding=0, stride=1）
（（7-3+1） $\times$ 3 + （6-3+1） ×\times