小菜

摘要：贡献： 3d卷积代替2d卷积 使用non-loca明确l处理不对齐问题（apm通过与相邻帧类似nonlocal 的操作也解决了不对齐）并捕获空时长范围依赖，注意但是没处理遮挡 引言里： 基于视频的识别包括提取特征和融合特征两部分 融合特征包括池化，rnn，以及注意力三种如下图。 这里rnn的缺点是： 阅读全文

摘要：这里试着把他的网络改成3d卷积加nolocal看效果会不会更好。 或者把stcnet加到其他网络里看看效果。 主要是用来做数据增强的。 STCnet 明确处理部分遮挡问题，通过空间结构和时间信息两部分来重建。重建部分用的都是autoencode。 最近的办法（2019）通常使用注意力来提取最显著的部 阅读全文

摘要：整体结构如下图 考虑了不同patch在所有帧上的关系，以及每一帧上的patch关系（结构） 因为对图还不是很了解（下面先直接总结论文） Patch graph construction 每对节点间的关系 允许我们动态的选择和学习不同patch的关系（这里的patch指的 是把特征图切块并池化后的一个 阅读全文

摘要：特征序列生成 图片：通过dense net 多通道特征图，然后特征图上一个位置的所有通道作为一个特征，所以多个位置就形成了多个特征序列。 视频：经过densnet，各个帧对应的特征图经过rnn（按帧，也就是按时间步），然后将每一时间步的隐藏状态作为特征序列对。这样的话：第一个时间步的隐藏状态其实就不 阅读全文

摘要：主旨：用空间注意力和时间注意力来解决遮挡和不对齐问题 自动地发现不同部位的注意力（即训练多个注意力模块） 不会受遮挡和不对齐影响（这里是因为时间上的注意力模块会自动择优（权值大的）） 可以这么理解：先在空间维度注意力，然后再在各个部件维度的注意力，所以就不需要考虑对齐和遮挡问题了。 以前基于视频的方 阅读全文