YOWO:从https克隆

您只看一次（YOWO） PyTorch实施“只看”一文。 在这项工作中，我们提出了YOWO （ Y y O nly W atch O nce ），这是一种用于视频流中实时时空动作本地化的统一CNN架构。 YOWO是一个单阶段框架，输入是一个片段，由视频中的几个连续帧组成，而输出则预测边界框的位置以及当前帧中的相应类别标签。 然后，使用特定策略，可以将这些检测结果链接在一起，以在整个视频中生成“动作管”。 由于我们没有将人类检测和动作分类程序分开，因此可以通过在端到端框架中的联合损失来优化整个网络。 我们对两个具有挑战性的代表性数据集UCF101-24和J-HMDB-21进行了一系列比较评估。 我们的方法在保持实时功能的同时，胜过其他最新技术，在16帧输入素材上提供每秒34帧，在8帧输入素材上提供每秒62帧。 安装 git clone https://github.com/wei-ti