手里剑手工慢动作教程
• 阅读 6305
⊙﹏⊙
当CNN连续两年打不过手工特征:两流网络如何教会机器看懂动作意味着每5个动作里,深度学习就要比手工方法多认错1个还多。这就是本文要解决的那道题。为什么一个在图片识别上碾压一切的网络架构,到好了吧! 一门教材只有几百页,另一门有上万页。如果把两门课分开教,教材薄的那门很容易学得夹生,但如果把两门课的练习混在一起训练学生对语言结好了吧!
2014年,用两条流打败了所有手工特征的动作识别方法你可能不知道,在2014年之前,深度学习在视频动作识别这个领域几乎是抬不起头的。那时候如果你去看学术会议上的动作识别排行榜,占据榜首的不是神经网络,而是一种叫做"密集轨迹"的手工特征方法。密集轨迹:一种传统计算机视觉方法,通过跟踪视频画面中密集分布的点随时间的运动等我继续说。
⊙ω⊙
双流卷积网络:当深度学习第一次在视频动作识别上打败了手工特征当时最好的深度学习方法在一个叫UCF-101 的动作识别数据集上准确率是65.4%,而一个叫improved trajectories 的手工特征方法能做到87.9%。差了22 个百分点。这意味着什么?意味着每5 段视频里,深度学习方法就要比手工方法多认错1 个动作。这在当时不是小差距,而是一种“深还有呢?
原创文章,作者:天津三维动画制作-选天源文化-制作快-性价比高-团队专业,如若转载,请注明出处:https://www.tianjinmall.cn/rr4f92mn.html
