Note that depth-1 net is equivalent

Note that depth-1 net is equivalent to applying 2D convolutions on separate frames. For the varying temporal depth setting, we experiment two networks with temporal depth increasing: 3-3-5-5-7 and decreasing: 7-5-5-3-3 from the first to the fifth convolution layer respectively. We note that all of these networks have the same size
of the output signal at the last pooling layer, thus they have the same number of parameters for fully connected layers.

Kết quả (Việt) 1:

Lưu ý rằng độ sâu-1 net là tương đương với việc áp dụng 2D convolutions trên khung riêng biệt. Để thiết lập thời gian độ sâu khác nhau, chúng tôi thử nghiệm hai mạng với thời gian sâu ngày càng tăng: 3-3-5-5-7 và giảm: 7-5-5-3-3 từ đầu tiên để convolution thứ năm lớp tương ứng. Chúng tôi lưu ý rằng tất cả các mạng có cùng kích thướctín hiệu đầu ra tại pooling lớp cuối cùng, do đó, họ có cùng số lượng các tham số cho các kết nối hoàn toàn lớp.

Kết quả (Việt) 2:

Lưu ý rằng độ sâu 1 ròng tương đương với việc áp dụng nhiều nếp cuộn 2D trên khung riêng biệt. Đối với các thiết lập thời gian sâu khác nhau, chúng tôi thử nghiệm hai mạng với thời độ sâu tăng: 3-3-5-5-7 và giảm dần: 7-5-5-3-3 từ đầu đến lớp chập thứ năm tương ứng. Chúng tôi lưu ý rằng tất cả các mạng đều có cùng kích thước
của tín hiệu đầu ra ở các lớp tổng hợp cuối cùng, do đó họ có cùng một số thông số cho các lớp kết nối đầy đủ.