文件名称：[ICCV 2019] TSM：用于有效理解视频的时移模块-Python开发
文件大小：194KB
文件格式：ZIP
更新时间：2024-06-14 08:33:55
Python Deep Learning
TSM：高效视频理解的时移模块[网站] [arXiv] [演示] @inproceedings {lin2019tsm，标题= {TSM：高效视频理解的时移模块}，作者= {Lin，Ji和Gan，Chuang和Han，因此，TSM：高效视频理解的时移模块[网站] [arXiv] [演示] @inproceedings {lin2019tsm，标题= {TSM：高效视频理解的时移模块}，作者= {Lin，Ji和Gan，Chuang和Han ，Song}，书名= {IEEE国际计算机视觉会议论文集}，year = {2019}} [NEW！]我们已经发布了Kinetics上的预训练光流模型。 我们相信预先训练的权重将有助于训练其他数据集上的两流模型
【文件预览】：
temporal-shift-module-master
----opts.py(4KB)
----test_models.py(12KB)
----LICENSE(1KB)
----.gitmodules(105B)
----tools()
--------kinetics_label_map.txt(6KB)
--------gen_label_kinetics.py(3KB)
--------vid2img_kinetics.py(2KB)
--------gen_label_sthv2.py(2KB)
--------vid2img_sthv2.py(2KB)
--------gen_label_sthv1.py(2KB)
----scripts()
--------finetune_tsm_ucf101_rgb_8f.sh(343B)
--------test_tsm_kinetics_rgb_8f.sh(485B)
--------train_tsm_kinetics_rgb_8f.sh(348B)
--------train_tsm_kinetics_rgb_16f.sh(346B)
--------train_tsn_kinetics_rgb_5f.sh(412B)
----README.md(18KB)
----ops()
--------transforms.py(12KB)
--------non_local.py(6KB)
--------__init__.py(27B)
--------temporal_shift.py(7KB)
--------dataset_config.py(5KB)
--------models.py(17KB)
--------utils.py(980B)
--------dataset.py(10KB)
--------basic_ops.py(1015B)
----online_demo()
--------mobilenet_tsm_tvm_cuda.json(56KB)
--------mobilenet_v2_tsm.py(7KB)
--------README.md(4KB)
--------main.py(13KB)
----tsm_fpga()
--------images()
--------fpga_build()
--------model_tf_split_export()
--------model_tf_split()
--------README.md(3KB)
--------model_tf()
--------main_tf.py(11KB)
--------tf_models()
--------mobilenet_v2_tfslim.py(25KB)
----main.py(14KB)
----archs()
--------__init__.py(28B)
--------mobilenet_v2.py(5KB)
--------bn_inception.py(48KB)