本文探讨了使用深度卷积神经网络进行视频动作识别的技术。通过提取视频帧间的时间信息（如光流）来区分不同动作，并介绍了一种两阶段处理方法以加速计算：低分辨率上下文流用于学习特征，高分辨率焦点流专注于帧中间部分。此外，还讨论了3D卷积神经网络在人体动作识别中的应用。
Action recognition using ensemble of deep convolutional neural networks
Deep convolutional neural networks (DCNN) 用在video上，
通过视频帧间的时间信息（如光流、光流的梯度信息和图像的梯度信息），来区分不同的动作。
光流的maps作为DCNN的输入。
Large-scale video classification with convolutional neural networks
Extend the connectivity of CNN in time domain to take advantage of local spatio-temporal information.
What temporal connectivity pattern in a CNN architecture is best at using local motion information of the video?
为了加速，把CNN架构氛围两个过程来处理：
（1）a context stream that learns features on low-resolution frames
（2）a high-resolution fovea stream that only operates on the middle portion of the frame.
每一个视频看做a bag of short, fixed-sized clips....
Extend the connectivity of the network in time dimension to learn spatio-temporal features
可以总结为一下三种情况：
3D CNN （3D convolutional neural networks for human action recognition）
扫一扫
2241
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
