AbstractWe propose a simple, yet ef

Abstract
We propose a simple, yet effective approach for spatiotemporal
feature learning using deep 3-dimensional convolutional
networks (3D ConvNets) trained on a large scale
supervised video dataset. Our findings are three-fold: 1)
3D ConvNets are more suitable for spatiotemporal feature
learning compared to 2D ConvNets; 2) A homogeneous architecture
with small 3  3  3 convolution kernels in all
layers is among the best performing architectures for 3D
ConvNets; and 3) Our learned features, namely C3D (Convolutional
3D), with a simple linear classifier outperform
state-of-the-art methods on 4 different benchmarks and are
comparable with current best methods on the other 2 benchmarks.
In addition, the features are compact: achieving
52:8% accuracy on UCF101 dataset with only 10 dimensions
and also very efficient to compute due to the fast inference
of ConvNets. Finally, they are conceptually very
simple and easy to train and use.

Kết quả (Việt) 1:

Tóm tắtChúng tôi đề xuất một cách tiếp cận đơn giản, nhưng hiệu quả nhất spatiotemporaltính năng học tập bằng cách sử dụng sâu 3-chiều xoắnmạng (3D ConvNets) được đào tạo về quy mô lớnGiám sát bộ dữ liệu video. Những phát hiện của chúng tôi được three-fold: 1)3D ConvNets là phù hợp hơn cho các tính năng spatiotemporalhọc tập so với 2D ConvNets; 2) là một kiến trúc đồng nhấtvới nhỏ 3 3 3 convolution hạt nhân trong tất cảlớp là một trong số các hoạt động kiến trúc cho 3D tốt nhấtConvNets; và 3) chúng tôi đã học được các tính năng, cụ thể là C3D (Convolutional3D), với một đơn giản tuyến tính loại tốt hơnnhà nước-of-the-nghệ thuật các phương pháp trên 4 tiêu chuẩn khác nhau và đượcso sánh với phương pháp tốt nhất hiện nay trên 2 tiêu chí chuẩn.Ngoài ra, các tính năng được nhỏ gọn: đạt được52:8% độ chính xác trên UCF101 bộ dữ liệu với kích thước chỉ có 10và cũng rất hiệu quả để tính toán do suy luận nhanh chóngcủa ConvNets. Cuối cùng, họ là khái niệm rấtđơn giản và dễ dàng để đào tạo và sử dụng.

Kết quả (Việt) 2:

Tóm tắt
Chúng tôi đề xuất một cách tiếp cận nhưng hiệu quả đơn giản cho spatiotemporal
năng học tập bằng xoắn 3 chiều sâu
mạng (3D ConvNets) đào tạo trên quy mô lớn
tập dữ liệu hình giám sát. Những phát hiện của chúng tôi là ba lần: 1)
ConvNets 3D là phù hợp hơn cho tính năng spatiotemporal
học so với ConvNets 2D; 2) Một kiến trúc đồng nhất
với nhỏ 3? 3? 3 nhân chập trong tất cả các
lớp là một trong những kiến trúc thực hiện tốt nhất cho 3D
ConvNets; và 3) các tính năng học của chúng tôi, cụ thể là C3D (Convolutional
3D), với một bộ phân tuyến tính đơn giản làm tốt hơn
nhà nước-of-the-nghệ thuật các phương pháp trên 4 tiêu chuẩn khác nhau và có
thể so sánh với các phương pháp tốt nhất hiện nay trên 2 tiêu chuẩn khác.
Ngoài ra, các tính năng nhỏ gọn: đạt
52: 8% độ chính xác trên UCF101 bộ dữ liệu với chỉ 10 chiều
và cũng rất hiệu quả để tính do sự suy luận nhanh
của ConvNets. Cuối cùng, họ là những khái niệm rất
đơn giản và dễ dàng để đào tạo và sử dụng.