寒假每日总结——2020.2.4

今日学习内容概览：

????今天主要阅读了一篇论文Temporal Segment Networks：Towards Good Practices for Deep Action Recognition（时间片段网络面向深度动作识别的良好实践），这篇ECCV2016的文章主要提出了TSN（temporal segment network）结构，被用来做视频的动作识别。TSN可以看做是双流（Two stream）系列的改进（双流网络——论文链接）。改论文主要解决了以下两个问题：

1. 如何对长时间视频进行行为判断。
2. 处理数据量少的问题，如何防止过拟合现象。
   ????TSN网络结构如下：
   
   时间段网络：将一个输入视频分为K个段，并从每个段中随机选择一个简短的代码段。 不同片段的类别分数由分段共识函数融合，以产生分段共识，这是视频级别的预测。 然后将来自所有模态的预测进行融合以产生最终预测。 所有摘录上的ConvNets共享参数。

????这里 是一个片段序列。从其对应的片段中随机采样每个片段。是表示带有参数W的ConvNet的函数，该函数在短代码段Tk上运行并为所有类别产生类别分数。分段共识函数G组合了多个简短摘要的输出，以获得其中的类假设的共识。基于此共识，预测函数H预测整个视频的每个动作类别的概率。在这里，我们选择H的广泛使用的Softmax函数。结合标准的分类交叉熵损失，关于分段共识的最终损失函数形成为

寒假每日总结——2020.2.4

原文：https://www.cnblogs.com/somedayLi/p/12261644.html