时空卷积神经网络的初始化策略
计算机视觉与模式识别
2015-03-26 v1 机器学习
摘要
我们提出了一种将视频中存在的时序信息融入基于图像训练的空间卷积神经网络（ConvNets）的新方法，从而避免了从头训练时空 ConvNets。我们描述了利用从 ImageNet 学习到的 2D 卷积权重对时空 ConvNet 中 3D 卷积层的权重进行多种初始化的方法。我们表明，为了学习视频的时序表示，明智地初始化 3D 卷积权重至关重要。我们在 UCF-101 数据集上评估了我们的方法，并展示了对空间 ConvNets 的改进。
引用
@article{arxiv.1503.07274,
title = {Initialization Strategies of Spatio-Temporal Convolutional Neural Networks},
author = {Elman Mansimov and Nitish Srivastava and Ruslan Salakhutdinov},
journal= {arXiv preprint arXiv:1503.07274},
year = {2015}
}
备注
Technical Report