介紹：

其中C3D是3d卷積的比較有意義的開端，I3d在C3D之后做了一系列研究，包括引入雙流網(wǎng)絡(luò)，和LSTM網(wǎng)絡(luò)，并使用已經(jīng)訓(xùn)練好的2D圖像分類模型的參數(shù)維數(shù)擴(kuò)充后用做3D網(wǎng)絡(luò)的預(yù)訓(xùn)練模型。S3D是在I3D的基礎(chǔ)上，探索了卷積拆分，使得模型的量級(jí)下降，并在后續(xù)的工作中加入了Graph Convolution的一些思想。

TSN：time segment networks,主要時(shí)提出了一種新的采樣策略，即將視頻分K段，從每段中隨機(jī)挑選若干（s）幀組成片段，則共有K*s幀被采樣(這里不考慮反轉(zhuǎn)裁剪等操作)，最后融合K個(gè)段的預(yù)測(cè)結(jié)果。

TSM：time shift module則主要是引入了時(shí)間轉(zhuǎn)移模塊，沿時(shí)域做特征轉(zhuǎn)移。加強(qiáng)了時(shí)域信息的交流融合。其幀采樣策略采用的是稀疏采樣策略（不同于傳統(tǒng)的密集采樣），繼承了TSN的采樣策略。

上面是一個(gè)整體的把握，如果有什么細(xì)節(jié)大家可以參考論文原文及github源碼。

以下是幾篇相對(duì)較好的博客，供大家參考

C3D：https://www.jianshu.com/p/09d1d8ffe8a4

TSM：https://zhuanlan.zhihu.com/p/66251207

S3D：https://blog.csdn.net/SIGAI_CSDN/article/details/85098096

I3D：https://zhuanlan.zhihu.com/p/58355093

TSN：https://blog.csdn.net/zhang_can/article/details/79618781

總結(jié)

以上是生活随笔為你收集整理的记录 之 最近阅读的动作识别(action recognition)工作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。