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
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
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
首先设置GPU和当前位置
$ export CUDA_VISIBLE_DEVICES=1
$ export PYTHONPATH=.
- zhujian - Initial work - zjykzj
@misc{feichtenhofer2020x3d,
title={X3D: Expanding Architectures for Efficient Video Recognition},
author={Christoph Feichtenhofer},
year={2020},
eprint={2004.04730},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
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
Apache License 2.0 © 2020 zjykzj
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent