摘要：C3D Introduction 卷积神经网络（CNN）近年被广泛应用于计算机视觉中，包括分类、检测、分割等任务。这些任务一般都是针对图像进行的，使用的是二维卷积（即卷积核的维度为二维）。而基于视频的问题，提特征的方法主要分为双流和C3D两个分支，目前C3D衍生出P3D，I3D等等，这里只介绍最早的 阅读全文

摘要：Motivation：减少时空网络的计算量，保持视频分类精度的基础上，使速度尽可能接近对应网络的2D版本。 为此提出 Multi-Fiber 网络，将复杂网络拆分成轻量网络的集成，利用 fibers 间的信息流引入多路器模块。 Result：比I3D和R(2+1)D分别少9倍，13倍的计算量，但精度 阅读全文

摘要：ARTnet： caffe实现：代码 1 Motivation：How to model appearance and relation (motion) 主要工作是在3D卷积的基础上，提升了action recognition的准确率，没有使用光流信息，因为光流的提取速度特别慢，这可能是未来的研究 阅读全文

摘要：Two-Stream Inflated 3D ConvNet (I3D) HMDB-51: 80.9% and UCF-101: 98.0% 在Inception-v1 Kinetics上预训练 ConvNet+LSTM：每一帧都提feature后整视频pooling，或者每一帧提feature+L 阅读全文

摘要：摘要 解决问题 用CNN框架有效提取video长时序特征 在UCF101等训练集受限的情况下训练网络 贡献 TSN网络，基于长时间时序结构模型。稀疏时序采样策略，视频层监督有效学习整个视频。 HMDB51（69.4%），UCF101（94.2%） 介绍 动作识别有两个重要和补充的方面 appeara 阅读全文