We train these networks on the trai

We train these networks on the train split 1 of UCF101. Figure 2 presents clip accuracy of different architectures on UCF101 test split 1. The left plot shows results of nets with homogeneous temporal depth and the right plot presents results of nets that changing kernel temporal depth. Depth- 3 performs best among the homogeneous nets. Note that depth-1 is significantly worse than the other nets which we believe is due to lack of motion modeling.

Kết quả (Việt) 1:

Chúng tôi đào tạo các mạng trên chuyến tàu chia 1 UCF101. Hình 2 giới thiệu clip tính chính xác của các kiến trúc khác nhau trên phần tách thử nghiệm UCF101 1. Cốt truyện bên trái cho thấy các kết quả của mạng lưới với đồng thời sâu và âm mưu phải trình bày các kết quả của lưới mà hạt nhân thay đổi thời gian sâu. Độ sâu - 3 thực hiện tốt nhất trong số các lưới đồng nhất. Lưu ý rằng độ sâu-1 đáng kể tồi tệ hơn so với các mạng lưới khác mà chúng tôi tin rằng là do thiếu mô hình chuyển động.

Kết quả (Việt) 2:

Chúng tôi đào tạo các mạng trên tàu chia 1 của UCF101. Hình 2 trình bày cắt chính xác của kiến ​​trúc khác nhau trong bài kiểm tra UCF101 chia 1. Cốt truyện còn lại cho thấy kết quả của lưới với chiều sâu thời gian đồng nhất và cốt truyện đúng trình bày kết quả của lưới mà thay đổi kernel thời gian sâu. Depth- 3 tốt nhất trong số các mạng lưới đồng nhất thực hiện. Lưu ý rằng độ sâu 1 là tồi tệ hơn so với các mạng lưới khác mà chúng tôi tin là do thiếu các mô hình chuyển động đáng kể.