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

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


3DCNN框架图

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值