论文-3D卷积 C3D 及衍生方法
1. (C3D)Learning spatiotemporal features with 3d convolutional networks-2015ICCV-facebook
概述：采用 3D 卷积和 3D Pooling 构建了网络。 通过 3D 卷积，C3D 可以直接处理视频（或者说是视频帧的 volume）关键词：C3D，速度快，模型简单论文地址：https://arxiv.org/pdf/1412.0767.pdf论文翻译地址：https://www.jianshu.com/p/09d1d8ffe8a4caff 源码:https://github.com/facebook/C3D
主要贡献1）与 2DCNN 相比，3DCNN 更适合时空特征学习；
2）对于 3D ConvNet 而言，在所有层使用 3×3×3 的小卷积核效果最好；
3）我们通过简单的线性分类器学到的特征名为 C3D(Convolutional 3D)，在 4 个不同的基准上优于现有的方法，并在其他 2 个基准上与目前最好的方法相当。
此外，特征是紧凑的：在 UCF101 数据集上得到 52.8%的准确 ...