-
活动识别中运用CNN和RNN：探讨LSTM在时间段上的作用以及时间起始点的影响
资源介绍
RNN和Temporal-ConvNet进行活动识别
，（等额缴纳）
论文代码： （在杂志上接受，2019年）
项目：
抽象的
在这项工作中，我们使用ResNet-101演示了一个强大的基线两流ConvNet。 我们使用此基线来彻底检查RNN和Temporal-ConvNets的使用，以提取时空信息。 基于我们的实验结果，然后我们提出并研究了两个不同的网络，以进一步整合时空信息：1）时域RNN和2）初始样式的Temporal-ConvNet。
我们的分析确定了每种方法的特定局限性，这些局限性可能构成未来工作的基础。 我们在UCF101和HMDB51数据集上的实验结果分别达到了94.1％和69.0％的最新性能，而无需大量的时间增强。
我们如何解决活动识别问题？
演示版
GIF展示了我们的TS-LSTM和“时间-开始”方法的前3个预测结果。 顶部的文本是基本事实，三个文本是每种方法的预