deep-activity-rec:论文 ibrahim et al, cvpr 2016 - A Hierarchical Deep Temporal Model for Group Activity Recognition --源码

C++

内容历史这项工作的第一个版本被 CVPR 2016 接受。在 arxiv 上上传了扩展工作。。此版本建立在先前版本的基础上，包括以下内容：我们收集了比 CVPR 提交大 3 倍的扩展排球数据集。我们对实验结果进行了进一步分析，并包括与一组额外的基线方法的比较。我们实施了我们方法的一种变体，以对人员执行空间池化策略。提供的数据集是扩展版本。请使用并与此版本进行比较。抽象的在群体活动识别中，可以根据代表活动的个体的动态来推断整个活动的时间动态。我们基于 LSTM 模型构建了一个深度模型来捕捉这些动态。为了利用这些观察结果，我们为群体活动识别问题提出了一个两阶段的深度时间模型。在我们的模型中，LSTM 模型旨在表示序列中个人的动作动态，而另一个 LSTM 模型旨在聚合人级信息以了解整个活动。我们在两个数据集上评估我们的模型：集体活动数据集和一个新的排球

文件下载

资源详情

[{"title":"（ 155 个子文件 31.81MB ） deep-activity-rec:论文 ibrahim et al, cvpr 2016 - A Hierarchical Deep Temporal Model for Group Activity Recognition --源码","children":[{"title":"trainval-test-solver.prototxt 459B ","children":null,"spread":false},{"title":"trainval-test-exe-script.sh 371B ","children":null,"spread":false},{"title":"clip_w5.txt 300B ","children":null,"spread":false},{"title":"trainval-test-exe-script-resume.sh 394B ","children":null,"spread":false},{"title":"trainval-test-create-mean-script.sh 325B ","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"文件过多，未全部展示","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

deep-activity-rec:论文 ibrahim et al, cvpr 2016 - A Hierarchical Deep Temporal Model for Group Activity Recognition --源码

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载