文件名称：具有CNN和RNN的活动识别：活动识别的时间段LSTM和时间起始
文件大小：79.62MB
文件格式：ZIP
更新时间：2024-03-24 05:56:38
activity-recognition torch convolutional-neural-networks video-understanding lstm-neural-networks
RNN和Temporal-ConvNet进行活动识别 ，（等额缴纳） 论文代码： （在杂志上接受，2019年） 项目： 抽象的 在这项工作中，我们使用ResNet-101演示了一个强大的基线两流ConvNet。 我们使用此基线来彻底检查RNN和Temporal-ConvNets的使用，以提取时空信息。 基于我们的实验结果，然后我们提出并研究了两个不同的网络，以进一步整合时空信息：1）时域RNN和2）初始样式的Temporal-ConvNet。 我们的分析确定了每种方法的特定局限性，这些局限性可能构成未来工作的基础。 我们在UCF101和HMDB51数据集上的实验结果分别达到了94.1％和69.0％的最新性能，而无需大量的时间增强。 我们如何解决活动识别问题？ 演示版 GIF展示了我们的TS-LSTM和“时间-开始”方法的前3个预测结果。 顶部的文本是基本事实，三个文本是每种方法的预
【文件预览】：
Activity-Recognition-with-CNN-and-RNN-master
----CNN-Pred-Feat()
--------transforms.lua(9KB)
--------Readme.md(4KB)
--------visualizeFeatures.lua(3KB)
--------ucf-101.lua(1KB)
--------run_pred-feat_twoStreams.lua(36KB)
----figures()
--------cnn.png(103KB)
--------demo-2.gif(12.16MB)
--------demo-5.gif(12.73MB)
--------cnn.pdf(128KB)
--------lrcn.pdf(129KB)
--------Sport1M.jpg(9.97MB)
--------overview_image.png(601KB)
--------demo-6.gif(8.31MB)
--------tnn.pdf(126KB)
--------demo-4.gif(11.33MB)
--------lrcn.png(115KB)
--------demo-1.gif(13.8MB)
--------demo-3.gif(10.12MB)
--------tnn.png(118KB)
----RNN()
--------test.lua(6KB)
--------main.lua(7KB)
--------data-ucf101.lua(10KB)
--------train.lua(6KB)
--------model.lua(4KB)
--------.gitignore(47B)
--------checkpoints.lua(2KB)
--------README.md(849B)
----Optical-flow()
--------optical_flow.cpp(13KB)
--------README.md(454B)
----LICENSE.md(1KB)
----.gitignore(9B)
----Temporal-ConvNet()
--------data-2Stream.lua(7KB)
--------test.lua(8KB)
--------model-Conv-VGG.lua(8KB)
--------run.lua(4KB)
--------model-Conv-Inception-v1.lua(6KB)
--------Readme.md(4KB)
--------train.lua(9KB)
--------namelist.lua(410B)
----README.md(10KB)
----CNN-GPUs()
--------models()
--------main.lua(2KB)
--------dataloader.lua(3KB)
--------train.lua(8KB)
--------.gitignore(33B)
--------checkpoints.lua(2KB)
--------opts.lua(6KB)
--------README.md(2KB)
--------datasets()
----textOverlay()
--------TextOverlay.py(5KB)
--------labels_rnn_3Pred.txt(748KB)
--------.gitignore(13B)
--------labels_tcnn_3Pred.txt(750KB)
--------README.md(966B)