这是一个用于查看旧DOS游戏Speed Haste中的3d模型的工具。 直接从游戏的SPEEDH.JCL数据文件中加载模型。 源代码存储库：https://github.com/jval1972/I3D_Viewer

动作识别研究 该存储库包含用于动作识别的6种代表性2D和3D方法的一般实现，包括I3D [1]，ResNet3D [2]，S3D [3]，R（2 + 1）D [4]，TSN [5]和TAM [ 6]。 这些代码用于我们对动作识别的分析。 陈春福（Richard）Chen *，Rameswar Panda *，Kandan Ramakrishnan，Rogerio Feris，John Cohn，Aude Oliva和Fanquanfu *，“对基于CNN的时空表示进行动作识别的深入分析”。 *：均摊 如果您使用此仓库中的代码和模型，请引用我们的工作。 谢谢！ @inproceedings{chen2020deep, title={Deep Analysis of CNN-based Spatio-temporal Representations for Action Recog

在Kinetics Pytorch上训练的I3D模型 这个仓库通过Pytorch实现了I3D网络，从张量流转换了预训练的模型权重。 样例代码 您可以将tensorflow模型转换为pytorch # ./convert ./convert.sh 您可以评估样品 ./multi-evaluate.py 与原始模型略有不同。 您可以将原始模型输出与pytorch模型输出在out目录中进行比较 原始模型（imagenet_joint.txt） Norm of logits: 138.468658 Top classes and probabilities 1.0 41.8137 playing cricket 1.49716e-09 21.494 hurling (sport) 3.84312e-10 20.1341 catching or throwing baseball 1.54923

用于多标签视频分类的CRF 概述 该存储库包含用于多标签视频分类的CRF结构的PyTorch实现。 它使用I3D预训练模型作为基础分类器（Joao Carreira和Andrew Zisserman在论文“ ”中报告了I3D）。 该代码基于Deepmind的和AJ Piergiovanni的I3D管道的。 要求 该代码是使用Python 3.6和 0.4.0开发的。 它需要和 。 端到端培训I3D +半/全CRF 该管道使用Deepmind的预训练的I3D模型（在ImageNet和Kinetics上进行预，有关详细信息，请参见 ）。 这些是在目录models /中找到的表示为rgb_imagenet.pt和flow_imagenet.pt的模型。 基本模型（I3D） 可以使用以下命令来训练基本模型： python train_i3d.py -dataset 'charades' -

介绍 我们发布了用于在UCF101上微调I3D模型的完整代码（包括培训阶段和测试阶段）。 I3D论文： 。 有关I3D的模型和详细信息，也请参考i3d。 先决条件 软件 Ubuntu 16.04.3 LTS Python 2.7 CUDA8 CuDNN v6 Tensorflow 1.4.1 硬件 GTX 1080 Ti 怎么跑 1.克隆此仓库 git clone https://github.com/USTC-Video-Understanding/I3D_Finetune 2.下载动力学预训练的I3D模型 为了在UCF101上微调I3D网络，您必须在下载DeepMind提供的Kinetics预训练I3D模型。 具体来说，下载repo并将data/checkpoints文件夹放入我们的I3D_Finetune回购的data I3D_Finetune ： git clone ht

I3D模型从Tensorflow转移到PyTorch 此仓库包含几个脚本，这些脚本允许从论文的I3D的Tensorflow实现传递权重 Joao Carreira和Andrew Zisserman撰写的PyTorch的。 原始（和官方的！）张量流代码可以在找到。 传输的核心是i3d_tf_to_pt.py脚本 使用python i3d_tf_to_pt.py --rgb启动它，以生成从ImageNet扩展初始化中python i3d_tf_to_pt.py --rgb的rgb检查点权重。 要生成流权重，请使用python i3d_tf_to_pt.py --flow 。 您还可以通过同时使用两个标记python i3d_tf_to_pt.py --rgb --flow在一次运行中生成两者。 请注意，主版本需要PyTorch 0.3，因为它依赖于此最新版本中所包含的Constan

论文讲解Quo Vadis, Action Recognition A New Model and the Kinetics Dataset

行为识别比较C3D和I3D两个模型，组会PPT