Deep Feature Flow for Video Recognition
来自MSRA视觉计算组，发表在CVPR2017上。这篇文章提出了一个结合光流的快速视频目标检测和视频语义分割方法。 motivation 在视频流的每一帧上用CNN计算特征太慢了。 两个相邻帧有相似的feature map 结合光流将特征进行传播 ...
原文：Collaborative Spatioitemporal Feature Learning for Video Action Recognition
Collaborative Spatioitemporal Feature Learning for Video Action Recognition 摘要 时空特征提取在视频动作识别中是一个非常重要的部分。现有的神经网络模型要么是分别学习时间和空间特征 C D ，要么是不加控制地联合学习时间和空间特征 C D 。 作者提出了一个新颖的neural操作，它通过在可学习的参数上添加权重共享约束来将时 ...
2019-08-07 09:11 0 736 推荐指数：
相关推荐
A Discriminative Feature Learning Approach for Deep Face Recognition
url: https://kpzhang93.github.io/papers/eccv2016.pdf year: ECCV2016 abstract 对于人脸识别任务来说, 网络学习到的特征具 ...
Multi-Agent Reinforcement Learning Based Frame Sampling for Effective Untrimmed Video Recognition
Multi-Agent Reinforcement Learning Based Frame Sampling for Effective Untrimmed Video Recognition ICCV 2019 (oral) 2019-08-01 15:08:19 Paper ...
Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning
本篇论文收录于ICCV2021，主要介绍了通过弱监督学习来检测视频异常，地址如下： Paper: https://arxiv.org/abs/2101.10030 Code: htt ...
Reading papers_16(Learning hierarchical invariant spatio-temporal features for action recognition with independent subspace analysis)
前言 本次读的文章是与feature learning相关，feature learning也叫做deep learning,是最近一个比较热门的话题。因为它可以无监督的学习到图片和视频的一些特征（当然在其它领域也可以，比如语音，语言处理等），而这些特征并不需要人为手动去设。手动 ...
【CVPR2018，action recognition,动作识别】Appearance-and-Relation Networks for Video Classification
Appearance-and-Relation Networks for Video Classification,CVPR2018 Two-tream网络效果好，但是太耗时；2Dconv+LSTM和其他方式的效果又不太好，主要是因为LSTM只能抓住高层次的模糊信息，不能抓住细粒度的运动信息 ...
SlowFast Networks for Video Recognition
▌Kinetics 数据集的动作分类 对于视频动作分类，作者采用 Kinetics-400 数据集，其中包含 ...
Context Encoders: Feature Learning by Inpainting
论文来源：2016 CVPR （1）所解决问题 通过基于上下文像素预测驱动的无监督的视觉特征的学习算法，利用周围的图像信息来推断缺失的图像 本文的上下文编码器需要解决一个困难的任务:填补图像中大 ...