文件名称：SelfSupervisedLearning-DSM:AAAI21 论文“通过解耦场景和运动增强无监督视频表示学习”的代码
文件大小：12.15MB
文件格式：ZIP
更新时间：2024-06-18 14:00:05
self-supervised-learning aaai2021 Python
帝斯曼 论文的源代码 数据集列表和一些可视化/提供的权重正在准备中。 1. 介绍（场景主导到动作主导） 视频数据集通常是场景主导的，我们建议通过两个简单的操作将场景和运动（DSM）解耦，以便更好地关注运动信息的模型。 生成的三元组如下： 帝斯曼学到了什么？ 使用 DSM 预训练，模型学会专注于没有可用标签的强大运动区域（不一定是演员）。 2. 安装 数据集 请参考dataset.md以获取详细信息。 要求 Python3 pytorch1.1+ PIL 英特尔（即时解码） 3. 结构 数据集 列表 hmdb51：HMDB51 的训练/验证列表 ucf101：UCF101 的 train/val 列表 kinetics-400： kinetics-400 的 train/val 列表 diving48：diving48 的 train/val 列表 实验 日志：详细的实验记录 渐
【文件预览】：
SelfSupervisedLearning-DSM-main
----figures()
--------example1.gif(2.6MB)
--------example2.gif(2.53MB)
--------triplet_visualization.png(3.91MB)
--------where_to_look.png(925KB)
--------ppl.png(1.83MB)
--------relative_performance.png(396KB)
----.DS_Store(6KB)
----.gitattributes(66B)
----dataset.md(2KB)
----src()
--------pt.py(14KB)
--------loss()
--------utils()
--------test.py(7KB)
--------ft.py(6KB)
--------model()
--------scripts()
--------main.py(1KB)
--------__init__.py(0B)
--------option.py(8KB)
--------data()
--------reterival.py(2KB)
--------augment()
--------feature_extractor.py(2KB)
----LICENSE(47KB)
----.gitignore(83B)
----readme.md(4KB)