May, 2019

AssembleNet: 在视频网络中搜索多流神经连接

PDF
TL;DR本文提出一种名为 AssembleNet 的方法，通过进化算法自动发现连接更好、时空交互更强的神经网络结构，以达到更好的视频理解效果。该方法在公共视频数据集上优于以往的方法，尤其是在 Charades 数据集上，58.6% 的 mAP 表现尤为出色。
videoscnn architecturesneural architecturesspatio-temporal interactionsassemblenet
发现论文，激发创造
  • 融合多路深度网络进行视频分类

    本研究提出了一种多流深度网络架构，用于解决视频分类问题。通过训练三种卷积神经网络来建模视频中的空间、短期动态和音频线索，并采用长短期记忆网络来探索长期时间动态，最终通过自适应融合方法生成预测结果，将多模态信息充分利用。实验证明，该方法的性能明显优于现有的方法。

    Sep, 2015

  • 用于视频动作识别的双流卷积神经网络

    本文提出了一种基于深度卷积神经网络的两通道 ConvNet 架构，结合了空间和时间网络，利用稀疏光流信息进行训练并使用多任务学习提高模型性能，成功地提高了视频动作识别的准确率。

    Jun, 2014

  • 在多变量空间中寻找用于视频识别的双流模型

    本文提出了一种实用的神经网络架构搜索方法来有效地搜索两流视频模型，设计了一个多元搜索空间，包括 6 个搜索变量来捕捉设计两流模型的各种选择，通过逐步搜索过程中，逐个搜索单一流、融合块和注意力块的结构，自动发现性能更强的自动搜索两流模型，这些模型比标准基准模型表现更出色。

    Aug, 2021

  • 视频的时空演化神经网络架构

    基于进化搜索算法的视频 CNN 结构自动探索方法可以在较短的时间范围内自动地发现新的、更好的视频体系结构，实现了空间和时间交互作用的学习，并提出了一种称为 iTGM 层的组件，可以更加有效地使用其参数，允许学习更长时间范围的空间 - 时间交互作用，并在多个测试数据集上表现出比现有模型更准确、更快的性能。

    Nov, 2018

  • MoViNets：高效视频识别的移动视频网络

    提出了 MoViNets，一种计算和内存高效的移动视频网络，用于在线推断，借助三步方法实现计算效率和存储空间大幅提升。

    Mar, 2021

  • AssembleNet++: 基于注意力连接组合模态表征

    使用视频模型 AssembleNet++，并结合 peer-attention 和神经元连接等技术，能够更好地学习对象信息和外观动态特征，并在活动识别领域取得新的最高水平。

    Aug, 2020

  • 视频识别的多光纤网络

    本文介绍了一种名为 Multi-Fiber 的新型神经网络架构，它将一个复杂的神经网络切分成多个轻量级网络，以显著降低 3D 网络的计算成本，同时保持与现有 2D 网络相当的识别准确性，可以显著提高视频和图像识别任务的效率，并在 UCF-101，HMDB-51 和 Kinetics 数据集上达到了最先进的性能水平。

    Jul, 2018

  • 超越短片段：用于视频分类的深度网络

    本论文提出和评估了几个深度神经网络架构，用于对比以往更长时间段内视频图像信息的组合。通过一些新的方法，包括卷积时间特征池化和循环神经网络结构，该论文指出最佳神经网络在 Sports 1 million 数据集（73.1％对 60.9％）和 UCF-101 数据集中（88.6％对 88.0％）及无附加光流信息（82.6％对 72.8％）上明显性能提高。

    Mar, 2015

  • 卷积神经网络结构搜索用于时空特征学习

    基于 ImageNet 预训练的 ConvNets 在图像识别方面已经得到了证明，但是为了捕捉到运动模式，仍然需要专门的时空特征学习，本文提出了一种经验 ConvNet 架构搜索方法，通过 3D 残差 ConvNet 实现，其在 Sports-1M、UCF101、HMDB51、THUMOS14 和 ASLAN 上的表现均优于 C3D，且推断时间减少一半、模型大小减小一半，具有更紧凑的表现形式。

    Aug, 2017

  • 视频分类的高效双流动态和外观 3D 卷积神经网络

    本研究提出基于 3D 卷积神经网络的新型深度学习模型，可以更快速和准确地进行动作和运动表示，进一步整合光流特征从而获得更准确的结果。

    Aug, 2016