细节增强的matlab代码深度学习中的动作识别
该分支托管技术报告的代码,以及更多。
更新
2016年7月16日新的工作示例:CVPR
2016上的“具有增强的运动矢量CNN的实时动作识别”。
2016年4月27日cuDNN
v5支持,具有超快速的WINOGrad卷积和BatchNormalization的cuDNN实现。
2015年12月23日
重构的cudnn包装器可以控制整体内存消耗。
将在内存限制下自动找到最佳算法组合。
2015年12月17日cuDNN
v4支持:更快的卷积和批处理规范化(约20%的性能提升)。
2015年11月22日现在,python层可以公开prefetch()方法,该方法将与网络处理并行运行。
特征
VideoDataLayer用于输入视频数据。
培训光流数据。
固定角落裁剪和多比例裁剪的数据增强。
使用多个GPU的并行训练。
最新的cuDNN集成。
在培训和测试中都减少了内存占用,
用法
在中查看更多。
通常,它与原始的caffe相同。
请参阅原始的自述文件。
请参阅以下说明以访问上面的功能。
更多详细的文档正在发布中。
视频/光流数据
首先使用将视频
评论0
最新资源