Compared to the varying temporal de

Compared to the varying temporal depth nets, depth-3 is the best performer, but the gap is smaller. We also experiment with bigger spatial receptive field (e.g. 5  5) and/or full input resolution (240  320 frame inputs) and still observe similar behavior.
This suggests 3  3  3 is the best kernel choice for 3D ConvNets (according to our subset of experiments) and 3D ConvNets are consistently better than 2D ConvNets for video classification. We also verify that 3D ConvNet consistently performs better than 2D ConvNet on a large-scale internal dataset, namely I380K.

Kết quả (Việt) 1:

So với các mạng lưới sâu thời gian khác nhau, độ sâu-3 là người biểu diễn tốt nhất, nhưng khoảng cách nhỏ hơn. Chúng tôi cũng có thể thử nghiệm với lớn hơn không gian tiếp nhận trường (ví dụ: 5 5) và/hoặc giải quyết đầy đủ đầu vào (đầu vào khung 240 320) và vẫn còn quan sát hành vi tương tự.Điều này cho thấy 3 3 3 là sự lựa chọn hạt nhân cho ConvNets 3D (theo chúng tôi tập hợp con của thí nghiệm) và 3D ConvNets một cách nhất quán hơn 2D ConvNets cho video phân loại. Chúng tôi cũng xác nhận rằng 3D ConvNet một cách nhất quán thực hiện tốt hơn so với 2D ConvNet trên một quy mô lớn, nội bộ dữ liệu, cụ thể là I380K.

Kết quả (Việt) 2:

So với những thay đổi sâu lưới thời gian, độ sâu-3 là biểu diễn tốt nhất, nhưng khoảng cách là nhỏ hơn. Chúng tôi cũng thử nghiệm với lĩnh vực lớn hơn không gian tiếp nhận (ví dụ như 5? 5) và / hoặc đầy đủ độ phân giải đầu vào (240? 320 khung đầu vào) và vẫn quan sát hành vi tương tự.
Điều này cho thấy 3? 3? 3 là sự lựa chọn tốt nhất cho nhân ConvNets 3D (theo tập hợp con của chúng ta về các thí nghiệm) và ConvNets 3D là luôn tốt hơn so với ConvNets 2D để phân loại video. Chúng tôi cũng xác nhận rằng 3D ConvNet tục thực hiện tốt hơn so với 2D ConvNet trên một tập dữ liệu nội bộ quy mô lớn, cụ thể là I380K.