基於3D密集連接殘差網路的視頻行為識別
前段時間所做的一項工作，主要貢獻在於將DenseNet和ResNet結合，構建了一個Dense Residual block 如圖1（c），並將其拓展到3D Dense Residual block 如圖2。針對視頻行為識別，提出了一個3D密集連接殘差網路如圖3所示。
圖1
圖2
圖3
在UCF101數據集上做了點實驗，數據的處理與C3D那篇論文保持一致，結果倒是出奇的好，對於長度為16幀的視頻，UCF101 split1上的clip準確率達到了58.47%，整個模型的參數才1.5M。
關於實驗的具體實施細節可到我的項目中查看
https://github.com/TianzhongSong/3D-Dense-Residual-Network-for-Action-Recognition目前只是個初步idea，水了篇中文的論文，求個畢業。受限於硬體和國內網路問題，也只是在UCF101數據集上做些實驗，沒法在 Kinetics 和 sports-8M 上做實驗，有條件的大佬可以拿去在大型數據集上跑跑。
.
推薦閱讀：
