摘要：深度卷积网络已经在静态图像目标识别中取得了了的巨大成功。但是，对于视频的动作识别，深度卷积网络的改进不是那么明显。我们认为这样子的结果可能有两个原因。首先，与图像中非常深的模型（例如VGGNet[13]，GoogLeNet[15]）相比，当前的网络体系结构（例如，双流ConvNets[12]）相对较浅，因此它们的建模能力受到其深度的限制。其次，更重要的可能是，动作识别的训练数据集与Image

论文链接：Two-StreamConvolutionalNetworksforActionRecognitioninVideos文章由牛津大学VGG实验室提出，收录于NIPS2014。该文章认为视频的信息可以分为空间信息和时间信息，所以该文章提出了一种利用普通rgb图像（代表空间信息）和光流信息（代表时间信息）来解决视频的动作分类问题。首先需要了解什么是光流，请看博客《光流估计——从传统方法到深度

双流法（Two-Stream）双流法，顾名思义就好像是两条小溪流各自流动最后汇聚到了一块；其中一条小溪流的名称为“RGB”图信息，

论文阅读：“Attention-BasedTwo-StreamConvolutionalNetworksforFaceSpoofingDetection”论文地址：https://ieeexplore.ieee.org/document/87379492020期刊TIFS发的论文本文针对的问题：对不同拍摄设备、光照下的数据集，faceanti-spoofing的性能差距较大目的：提出一个CNN，能

video，有着以下问题：1、长时间视频的计算量大，不能实时应用2、由于网络固定帧数的限制，视频过长会丢失重要信息3、需要大量的训练集，然而目前公开数据集在大小和多样性上受限很大，过拟合的风险TSN实际上是Two-Stream

摘要：卷积神经网络（ConvNets）在基于视频的动作识别方面提出了不同的解决方案用于合并外观信息和运动信息。我们研究了多种在空间和时间上融合ConvNet结果的方法，以便最好地利用此时空信息。我们有以下发现：（i）在卷积层上融合时空网络信息，而不是在softmax层上进行融合，并不会损失性能，还可以节省大量参数；（ii）在空间上最后一个卷积层上融合此类网络更合适，而不是在早期进行融合，并且在预测

一写在前面未经允许，不得转载，谢谢~~这篇文章是DeepMind团队发在CVPR2017年的文章，它把视频分类任务在HMDB-51H和UCF-101数据集上分别做到了80.9%和98.0%，还是非常值得学习一下的。我主要从以下这三个方面整理了一下文章的核心内容：场景引入Introduction:本文基于什么样的背景做了什么事情？ActionClassificationArchitecture:具体

作者信息：LiminWang,YuanjunXiong,ZheWang,YuQiao,摘要深度卷积神经网络在静止图像的目标识别取得了巨大的成功，但是在视频的行为识别领域，深度学习提升的效果并不是很显著，主要的原因有两点：相对于图像识别，视频的行为识别所使用的卷积网络结构深度太浅，因此模型的拟合能力因为深度受到限制。第二点可能更为重要，主要是用于行为识别的视频数据集规模相对于ImageNet太小，因

文章目录前言0摘要1Introduction1.1相关工作2用于视频识别的双流结构3光流卷积神经网络（时间流）3.1ConvNet输入配置4实现细节4.1测试4.2光流5实验5.1在UCF-101上单流ConvNet的对比和消融实验5.2在UCF-101和HMDB-51上的对比实验6结论及改进方向7总结前言论文标题：Two-StreamConvolutionalNetworksforActionR

摘要深度卷积网络在静止图像中的目标识别方面取得了巨大成功。然而，对于视频中的动作识别，深度卷积网络的改进并不那么明显。我们认为有两个原因可以解释这一结果。首先，与图像域中的那些非常深的模型（例如VGGNet[13]、GoogLeNet[15]）相比，当前的网络架构（例如双流ConvNets[12]）相对较浅，因此它们的建模能力受到其深度的限制.其次，可能更重要的是，动作识别的训练数据集与Image

**论文阅读：Two-StreamConvolutionalNetworksforActionRecognitioninVideos**摘要主要研究如何使用深度卷积神经网络去做视频里的动作识别，难点在于同时学到appearance信息，又能学到motion信息（appearance信息就是从静止的图像上获得这种，包括了物体的形状、大小、颜色以及整体场景信息；motion信息就是物体之间的这个移动信

复现论文：《Two-StreamConvolutionalNetworksforActionRecognition》完整代码：https://github.com/BizhuWu/Two-Stream-Network-PyTorch（这是小吴同学第一次在Github上整理代码，可以的话，麻烦大家在Github上给个小星星好不好嘛~【试图撒娇.jpg】）导入数据部分：LoadUCF101Data.p

数据准备1、光流提取dense_flow安装教程可见：安装dense_flowdense_flow提取过程可见：dense_flow代码理解过程很简单，首先就是一些参数的输入，数据集、光流存放和光流提取工具的路径，读取帧的宽、高，线程个数，GPU个数，提取出的光流格式(dir、zip），视频文件格式(avi、mp4)。读取数据集中所有视频文件存在vid_list，并打印视频数量。将视频路径和视频类

作者单位：美团1简介BiSeNet已被证明在实时分割two-stream网络中是有效的。

在配置two-stream(双流网络)环境时,需要配置dense_flow来获取光流图,需要用到opencv中的扩展库(这部分算法具有不稳定性,所以opencv没有直接发布在release中,而是作为扩展库单独给出

发布于IEEETransactionsonInformationForensicsandSecurity原文链接：https://ieeexplore.ieee.org/document/8737949摘要人脸欺骗攻击仍然是现代人脸识别系统的一个威胁。尽管已经提出了许多有效的反欺骗方法，但许多现有方法的性能会因光照而下降。本文提出了一个双流卷积神经网络（TSCNN），它在RGB空间（原始成像空间）

ConvolutionalTwo-StreamNetworkFusionforVideoActionRecognition双流网络的不足空间融合融合方式融合位置时间融合3DConv和3DPooling网络架构融合输入双流网络的不足CNN在别的领域已经取得了巨大的成功，但在动作识别领域却不尽人意，作者认为该领域在当时存在两个问题：（1）数据集太小。动作识别中除了图像信息还包含运动和视角各种信息，需要

文章目录一、双流网络1.1前言1.2网络结构1.3光流(Opticalflow)1.3.1什么是光流1.3.2如何利用光流1.3.3双向光流（Bi-directionalopticalflow）1.3.4光流的局限性及和对应的预处理（抽取）方式1.3.5视频模型测试1.4实验1.4.1网络结构的消融试验1.4.2模型效果对比1.5未来工作、总结1.5.1未来工作1.5.2总结二、I3D（双流网络的

视频-文本对齐方法现有的视频-文本对齐的方法有三类：Two-stream，文本和视觉信息分别通过独立的VisionTransformer和TextTransfo

Two-StreamConvolutionalNetworksforActionRecognitioninVideos论文地址：http://de.arxiv.org/pdf/1406.2199在目前的研究中行为识别的方法比较多，主要可以分为两类，基于传统的方法和基于深度学习的方法。这两周我读了一篇行为识别论文《Two-StreamConvolutionalNetworksforActionRec

这里写目录标题视频的行为识别前言背景内容组成主要贡献算法介绍网络结构双流（twostream）网络结构空间流卷积网络(SpatialstreamConvNet)时间流卷积网络（TemporalstreamConvNet）卷积网络的输入配置光流估计方法光流的堆叠方式(opticalflowstacking)光流堆叠（Opticalflowstacking轨迹堆叠（Trajectorystacking

目录0、前沿1、标题2、摘要3、结论4、重要图表5、解决了什么问题6、采用了什么方法7、达到了什么效果0、前沿泛读我们主要读文章标题，摘要、结论和图表数据四个部分。需要回答用什么方法，解决什么问题，达到什么效果这三个问题。需要了解更多视频理解相关文章可以关注我们视频理解系列目录了解我们当前更新情况。1、标题Two-StreamConvolutionalNetworksforActionRecogn

论文是视频分类的开山之作，采用了一个双流网络，是空间流和事件流共同组成的，网络的具体实现都是CNN，空间流的输入是静止的图片，来获取物体形状大小等appearance信息，时间流的输入是多个从两帧之间提取的光流图片叠加在一起，来获得视频中物体的运动信息，最后将结果进行融合。参考文献：SimonyanK,ZissermanA.Two-streamconvolutionalnetworksforact

ContentsIntroductionTwo-streamarchitectureforvideorecognitionEvaluationEnlightenmentReferencesIntroduction视频中的人体动作识别是一个具有挑战性的工作。与传统的图像分类相比，视频的时序部分为识别提供了额外信息，此外，视频还为单张视频帧提供了天然的数据增强。作者提出了双流网络用于视频动作识别，在U

论文的三个贡献：（1）提出了two-stream结构的CNN，由空间和时间两个维度的网络组成；（2）使用多帧的稠密光流场作为训练输入，可以提取动作的信息；（3）利用了多任务学习的方法把两个数据集

Two-StreamConvolutionalNetworksforactionRecognitioninVideo视频理解领域的开山之作作者提出视频理解是一个非常有前景的工作,并且指出输入至网络的一定是视频,而不是网上的一张一张的图片,其实双流网络并不是第一篇将深度学习应用到视频分析中的,早在2014年在些的时候CVPR有一篇叫做deepvideo的文章已经用深度学习用在视频分类中了,但是训练效

Two-StreamConvolutionalNetworksforActionRecognitioninVideos1.背景在传统的基于深度学习的行为检测中，视频常常被看做连续的图片，使用处理图片的方式来处理视频。这样的网络关注于空间特征却忽略了时间特征，有些时间特征明显而空间特征不明显的动作（如坐椅子）难以检测出来。在手工设计特征的时代，人们使用光流图（opticalflow）来描述物体的运动

1、Contributionweproposeatwo-streamConvNetarchitecturewhichincorporatesspatialandtemporalnetworksdemonstratethataConvNettrainedonmulti-framedenseopticalflowisabletoachieveverygoodperformanceinspiteofli

关于视频中的动作识别，挑战在于从静止帧和帧之间的运动中捕获关于外观的补充信息。本文研究了经过区别训练的深度卷积网络（ConvNets）的体系结构，用于视频识别中。还旨在在数据驱动的学习框架中概括性能最优手动调节参数。文章有主要三点贡献：1.提出结合时间和空间网络的双流ConvNet网络结构。2.证明在缺少训练集的情况下，ConvNet在多帧密集光流中依然能取得非常好的训练效果。3.实验表明，应用于

（注：为避免中文翻译不准确带来误解，故附上论文原句。）论文：SimonyanK,ZissermanA.Two-StreamConvolutionalNetworksforActionRecognitioninVideos[J].2014.链接：https://arxiv.org/abs/1406.2199这篇论文发表在是NIPS2014上，比较经典，使用双流法(twostream网络)来做acti

本文一共做出了3个贡献：首先，本文提出了一个two-stream卷积网络架构，这个架构由时间和空间网络构成。

该篇文章为视频识别十分经典的一篇论文也是入门文章，开创了比较经典的双流（时间流+空间流）神经网络，本人发现很多大神博主翻译的论文不是特别完整，故按照原文与个人理解整理完整翻译见下。摘要：我们研究了用于训练视频中行为识别的深度卷积网络架构。这个挑战是捕捉静态帧中的外观和连续帧间的运动的互补信息。我们也旨在推广这个在数据驱动的学习框架中表现得最好的手工特征。本文一共做出了3个贡献：首先，本文一个包含空

Two-StreamConvolutionalNetworksforActionRecognitioninVideos双流网络论文精读论文：Two-StreamConvolutionalNetworksforActionRecognitioninVideos链接：https://arxiv.org/abs/1406.2199本文是深度学习应用在视频分类领域的开山之作，双流网络的意思就是使用了两个卷

目录介绍方法特征提取双流网络伪标签生成及帧级监督消融实验损失伪标签视频级标签和帧级伪标签论文下载地址：https://arxiv.org/abs/2010.11594介绍本文是双流网络在弱监督时间动作定位任务上的应用。与动作识别上的双流网络不同，本文的双流网络是针对于弱监督时间动作定位来改造的，最终解决作者提出的在动作定位任务上难以解决的两个问题：消除falsepositive的动作提议生成有更精

论文地址代码地址(pytorch)代码地址(caffe)Abstract在本文中，我们提出了一种新颖的CNN体系结构，隐式捕获相邻帧之间的运动信息。我们将其命名为HiddenTwo-StreamConvolutionalNetworks，因为它仅将原始视频帧作为输入并直接预测动作类别，而无需明确计算光流。1Introduction当前最新的CNN结构仍然难以直接从视频帧捕获运动信息，所以一般使用传

导师说这个不适合我，以后读研究生的时候再回来看吧。---------------------割------------------------（我是个新手）毕业设计需要，想找一种动作识别的方法，看到了这篇，粗略翻译一下前面一部分。附别人的阅读笔记点击打开链接相关信息点击打开链接--------------------割--------------------------摘要：人类行为的视频分析包括

TowardsGoodPracticesforVeryDeepTwo-streamConvNetshttp://yjxiong.me/others/action_recog/https://github.com/yjxiong/caffe/tree/action_recog本文首先指出对于静态图像分类，CNN已经取得很大进步，但是对于视频动作分类，CNN网络表现的不是很好。这里我们分析了一下原因，

论文：Two-StreamConvolutionalNetworksforActionRecognitioninVideos链接：https://arxiv.org/abs/1406.2199这篇文章是NIPS2014年提出一个twostream网络来做videoaction的分类，比较经典。twostream表示两个并行的网络：spatialstreamconvnet和temporalstrea

ConvolutionalTwo-StreamNetworkFusionforVideoActionRecognitionCVPR2016http://www.robots.ox.ac.uk/~vgg/software/two_stream_action/https://github.com/feichtenhofer/twostreamfusion对视频动作识别采用twosteamCNN分开处理

在视频行为识别（actionrecognition）方向，目前最常见的网络框架有两类，一类是直接将视频作为输入的3D卷积网络，另一类即是将图像以及光流（opticalflow）分别作为输入的two-stream

目前行为识别有两个主流的结构，一个是Two-Stream，一个是C3D，本文阅读了经典的Two-Stream论

一直以来，行为识别（ActionRecognition）中的双流（two-stream）方法将RGB图像和光流（OpticalFlow）作为网络输入，并取得了不错的效果，通常会将光流作为“黑盒”。

GatedShapeCNNsforSemanticSegmentation(2019.07)地址：https://arxiv.org/abs/1907.05740来自：英伟达简述这篇文章提出two-streamCNN架构，two-stream

论文地址：Gated-SCNN:GatedShapeCNNsforSemanticSegmentation一篇来自英伟达的语义分割的论文论文提出了使用gate思想，构造了一个two-stream的CNN

论文题目《基于双流结构的自适应图卷积网络的骨骼姿态识别》引言1.引言作者提出了双流自适应图卷积（2s-AGCN），在两个2个数据集上进行了大量的实验，都实现了最先进的性能。贡献1.提出了自适应的图卷积网络结构针对不同的图卷积层和端到端的骨骼样本能够更好的学习其拓扑结构，也能够更好的适用于识别任务和其层次结构。2.二阶信息通过双流结构和一阶信息联合起来，对提高性能起到了很好地作用3.在两个数据集上有

openaccess.thecvf.com/content_cvpr_2018/papers/Choutas_PoTion_Pose_MoTion_CVPR_2018_paper.pdf摘要首先介绍背景，很多一流的动作识别方法都依赖于two-stream

该论文采用了two-stream的卷积方法，该方法的鼻祖是VGG团队，该团队的论文是14年的’Two-StreamConvolutionalNetworksforActionRecognitioninVideos

两种模型的对比解释见https://blog.csdn.net/qq_33876194/article/details/989433832.XLNET不同于BERT中的selfAttention而使用Two-stream

文章目录iDT算法**(2013)**密集采样特征点轨迹跟踪**基于iDT计算descriptor**特征编码和分类过程Two-Stream(NIPS2014)对于长范围时间结构的建模无能为力TSN(ECCV2016

Two-StreamAdaptiveGraphConvolutionalNetworksforSkeleton-BasedActionRecognition双流自适应图卷积网络用于基于骨架的动作识别论文地址：https://arxiv.org/abs/1805.07694源码：https://github.com/lshiwjx/2s-AGCN作者：LeiShi，YifanZhang，JianCh