语言: 🇨🇳 🇺🇸

«X3D»复现了论文X3D: Expanding Architectures for Efficient Video Recognition 提出的视频分类模型

其CodeBase来自于ZJCV/Non-local

内容列表

• 内容列表
• 背景
• 安装
• 使用
• 主要维护人员
• 致谢
• 参与贡献方式
• 许可证

背景

论文作者详细的分析了之前的视频理解模型的发展，提出6个关键变量，通过逐步测试的方式搜索更好的模型，最终得到6个不同变量大小的X3D模型

安装

通过requirements.txt安装运行所需依赖

$ pip install -r requirements.txt

处理数据时需要额外安装denseflow，可以在innerlee/setup中找到安装脚本

使用

首先设置GPU和当前位置

$ export CUDA_VISIBLE_DEVICES=1
$ export PYTHONPATH=.

主要维护人员

• zhujian - Initial work - zjykzj

致谢

• facebookresearch/SlowFast
• open-mmlab/mmaction2

@misc{feichtenhofer2020x3d,
      title={X3D: Expanding Architectures for Efficient Video Recognition}, 
      author={Christoph Feichtenhofer},
      year={2020},
      eprint={2004.04730},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

参与贡献方式

欢迎任何人的参与！打开issue或提交合并请求。

注意:

• GIT提交，请遵守Conventional Commits规范
• 语义版本化，请遵守Semantic Versioning 2.0.0规范
• README编写，请遵守standard-readme规范

许可证

Apache License 2.0 © 2020 zjykzj