文件名称：IIC:ACMMM'20论文“使用内部对比框架进行自我监督的视频表示学习”的正式实施
文件大小：544KB
文件格式：ZIP
更新时间：2024-05-24 02:13:53
Python
跨帧内对比框架的自我监督视频表示学习 论文的官方代码，使用内部对比框架进行自我监督的视频表示学习[ACMMM'20]。 要求 这是我的实验环境。 PyTorch 1.3.0 似乎PyTorch 1.7.0与当前代码不兼容，从而导致性能不佳。 python 3.7.4 形象 帧内对比（IIC）框架 对于样品，我们有 阳性者：带有相同标签的样本，不用于自我监督学习； 负样本：不同样本或具有不同索引的样本； 阳性内：来自同一样本的数据，处于不同视图/来自不同扩增的数据； 负内部：来自同一样本的数据，而某些信息已被分解。 在视频情况下，时间信息已存储。 我们的工作利用所有可用部分（在此分类类别中）形成一个内部对比框架。 这里的实验主要基于对比多视图编码。 可以灵活地将此框架扩展到其他使用否定样本的对比学习方法，例如MoCo和SimCLR。 强调 充分利用数据进行对比学习。 除
【文件预览】：
IIC-master
----data()
--------ucf101()
--------hmdb51()
----datasets()
--------hmdb51.py(14KB)
--------ucf101.py(14KB)
----models()
--------r3d.py(8KB)
--------__init__.py(0B)
--------c3d.py(3KB)
--------__pycache__()
--------r21d.py(10KB)
----train_ssl.py(12KB)
----retrieve_clips.py(9KB)
----fig()
--------framework.png(38KB)
--------generate_intra.png(11KB)
--------general.png(176KB)
----README.md(12KB)
----index.html(4KB)
----lib()
--------normalize.py(351B)
--------__init__.py(10B)
--------LinearAverage.py(2KB)
--------alias_multinomial.py(2KB)
--------custom_transforms.py(14KB)
--------utils.py(1KB)
--------__pycache__()
--------NCEAverage.py(8KB)
--------NCECriterion.py(1KB)
----gen_neg.py(2KB)
----ft_classify.py(13KB)