Learning Spatio-Temporal Representation with Pseudo-3D Residual Networks

Abstract 卷積神經網絡（cnn）被認爲是一類有效的圖像識別模型。然而，當利用CNN學習時空視頻表示時，這並非不平凡。一些研究表明，執行3D卷積是一種捕獲視頻中時空維度的有益方法。然而，從頭開始開發非常深的3d cnn會導致昂貴的計算成本和內存需求。一個有效的問題是，爲什麼不爲3D CNN回收現成的2D網絡。在本文中，我們通過在空間域（相當於2D CNN）上模擬3×3×3卷積濾波器（相當於2

>>阅读原文<<