TimeSformer-Pytorch
实现，是一种基于关注点的纯净，简单的解决方案，可以在视频分类上达到SOTA。 该存储库将仅存储性能最佳的变体“时空分散注意力”，无非就是沿空间之前的时间轴的注意力。
安装
$ pip install timesformer-pytorch
用法
import torch
from timesformer_pytorch import TimeSformer
model = TimeSformer (
dim = 512 ,
image_size = 224 ,
patch_size = 16 ,
num_frames = 8 ,
num_classes = 10 ,
depth = 12 ,
heads = 8 ,
dim_head = 64 ,
attn_dropout =
2023-02-19 14:24:00
152KB
1
TimeSformer在K600上预训练好的的模型：16 of frames，spatial crop：448，acc@1：81.8，acc@5：95.8。
TimeSformer：Is Space-Time Attention All You Need for Video Understanding?（video transformer）
2022-11-04 11:18:00
932.32MB
1
TimeSformer：Is Space-Time Attention All You Need for Video Understanding?（video transformer）
TimeSformer在K400上预训练好的的模型：8 of frames，spatial crop：224，acc@1：77.9，acc@5：93.2。
2022-10-06 19:30:18
927.65MB
1
TimeSformer
这是的正式pytorch实现 。 在此存储库中，我们提供PyTorch代码以训练和测试我们建议的TimeSformer模型。 TimeSformer提供了一个有效的视频分类框架，该框架可以在多个视频动作识别基准（例如Kinetics-400）上达到最新的结果。
如果您发现TimeSformer对您的研究有用，请使用下面的BibTeX条目进行引用。
@misc { bertasius2021spacetime ,
title = { Is Space-Time Attention All You Need for Video Understanding? } ,
author = { Gedas Bertasius and Heng Wang and Lorenzo Torresani } ,
year = { 2021 }
2021-12-13 19:04:59
187KB
1
swin-timesformer
一个简单的滑动窗口Timesformer
2021-11-12 09:47:12
3KB
1