視頻分類算法（《《Learnable pooling with Context Gating for video classification》）

一般的視頻理解方法通常對一段視頻的間隔幀提取特徵，取它們的極大值或均值來代表整段視頻的特徵，這是一種很簡單的視頻表示方法，但是容易陷入局部最優解，論文爲此探索了一種可學習的池化技巧（learnable pooling techniques），它將多個算法（比如 Soft Bag-of-words, Fisher Vectors, NetVLAD, GRU and LSTM）相結合，共同組成視頻特徵

>>阅读原文<<