一、2014.Two-stream convolutional networks for action recognition in videos
两个流：空间流作single frame，时间流作multi-frame对稠密光流作CNN处理。两个流分别通过softmax后作class score fusion,（平均法 or SVM）。网络
二、2015.Towards Good Practices for Very Deep Two-Stream ConvNets
空间流3 channel,时间流10 channel。ide
trick:优化
1.空间流在ImageNet上预训练，时间流中的光流转换为0-255灰度图在ImageNet上预训练。spa
2.learning rate：时间流5e-3，1W个Iteration*0.1，3W次中止。空间流1e-3,4K个Iteration*0.1，1W次中止。视频
3.data argmentation:因为数据集太小的缘由，采用裁剪增长数据集，4个角和1个中心，还有各类尺度的裁剪。从{26,224,192,168}中选择尺度与纵横比进行裁剪。blog
4.high dropout rate图片
5.多GPU训练源码
有PyTorch源码it
三、16年Temporal Segment Networks Towards Good Practices for Deep Action Recognition
和上一篇是同一批做者，应该是把上一篇的内容丰富了一些，但尚未具体去看。上一篇5页，这一篇17页，后面再说吧。io
提出两点贡献：
-
提出一个temporal segment network(TSN)网络，基于视频的动做识别网络，结合了稀疏时间采样策略，和大规模时间结构建模。（将视频分红K个序列，随机抽取一个，网络在全部的序列上共享参数）
-
一系列优化的策略，估计跟上一篇差不太多。
四、16年Convolutional Two-Stream Network Fusion for Video Action Recognition
此论文有公开源代码，用的是MATLAB。
五、17年Hidden Two-Stream Convolutional Networks for Action Recognition
此论文有公开源代码，用的是Caffe。