視頻理解、人臉比對、深度相機的相關的問題

  1  視頻理解目前最強的網絡結構是什麼？ A  LSTM系列   B Two-Stream Network        基本原理是訓練兩個ConvNets，分別對視頻幀圖像（spatial）和密集光流（temporal）進行建模，兩個網絡的結構是一樣的，都是2D ConvNets。兩個stream的網絡分別對視頻的類別進行判斷，得到class score，然後進行分數的融合，得到最終的分類結

>>阅读原文<<