广州网站建设网页设计,贵阳网站建设宏思锐达,如何设计一个漂亮的网站,网站建设亻金手指排名十五这次老师在课上总共领读了4篇分类论文#xff0c;我这里分享其中的一篇论文#xff0c;是关于使用神经网络对光流进行学习。 课程地址是#xff1a;https://aistudio.baidu.com/aistudio/education/group/info/1340。 论文地址是#xff1a;https://arxiv.org/abs/1810.014… 这次老师在课上总共领读了4篇分类论文我这里分享其中的一篇论文是关于使用神经网络对光流进行学习。 课程地址是https://aistudio.baidu.com/aistudio/education/group/info/1340。 论文地址是https://arxiv.org/abs/1810.01455。 Github地址是https://github.com/piergiaj/representation-flow-cvpr19。 论文中文翻译地址https://blog.csdn.net/qq_42037746/article/details/107411080。 文章目录1.相关介绍2.本文方法2.1 光流法介绍2.2 光流层细节3.结果展示1.相关介绍
这里我将按照老师上课领读的顺序来进行介绍。 过去在对视频进行分类时一般需要设计两个网络一个网路输入静态图像得到图像特征另一个网络输入两张图像之间的光流学习运动特征然后对两个特征进行融合进行最终的视频分类。这里最主要的问题是光流的计算成本比较高通常需要上百次的迭代优化另一个是需要训练两个网络这使得模型在推理时资源消耗较大限制了其应用。因此本文作者设计了一种CNN层表示光流层对光流进行学习并且表示光流层可以对任意一层特征图进行学习。 2.本文方法
2.1 光流法介绍
在介绍本文方法之前首先回顾下什么是光流光流是用来描述像素随时间在图像之间运动的方法。 在光流法中一个基本假设是同一个空间点的像素灰度值在各个图像中是固定不变的可以用I(x,y,t)I(x,y,t)I(x,y,t)来表示像素灰度。 下图中ttt时刻图像中像素位置为(x,y)(x,y)(x,y)在tdttdttdt时刻运动到(xdx,ydy)(xdx,ydy)(xdx,ydy)由于灰度不变可得 I(x,y,t)I(xdx,ydy,tdt)I(x,y,t)I(xdx,ydy,tdt)I(x,y,t)I(xdx,ydy,tdt) 泰勒一阶展开像素运动(u1,u2)(u_1,u_2)(u1,u2)即为光流矢量。 2.2 光流层细节
论文的整体网络结构如下可以看到输入只有图片与以往的分类网络不同的是多了一个Flow Layer这也是整个网络的核心部分。 下图为光流层迭代计算过程这里F1F2F_1F_2F1F2为两张图片的特征图。 初始时u0,p0,pcF2−F1u0,p0,p_cF_2-F_1u0,p0,pcF2−F1然后进行nnn次迭代计算 计算特征图F2F_2F2的梯度这里的梯度是通过卷积操作计算的下面的矩阵表示为卷积核 。∇F2x[10−120−210−1]∗F2∇F2y[121000−1−2−1]∗F2\nabla{F_{2x}}\begin{bmatrix}10-1\\20-2\\10-1\end{bmatrix}*F_2\nabla{F_{2y}}\begin{bmatrix}121\\000\\-1-2-1\end{bmatrix}*F_2∇F2x⎣⎡121000−1−2−1⎦⎤∗F2∇F2y⎣⎡10−120−210−1⎦⎤∗F2 然后是更新vvv的值 计算ppp的散度divergence(p)px∗wxpy∗wydivergence(p)p_x*w_xp_y*w_ydivergence(p)px∗wxpy∗wy 然后是计算速度梯度操作和求F2F_2F2梯度类似 ∇ux[10−120−210−1]∗ux,∇uy[121000−1−2−1]∗uy\nabla{u_{x}}\begin{bmatrix}10-1\\20-2\\10-1\end{bmatrix}*u_x,\nabla{u_{y}}\begin{bmatrix}121\\000\\-1-2-1\end{bmatrix}*u_y∇ux⎣⎡121000−1−2−1⎦⎤∗ux,∇uy⎣⎡10−120−210−1⎦⎤∗uy 跟新p的值 最终经过nnn次迭代即可得到最终的像素运动速度uuu。 下面是原作者光流层实现代码首先网络的定义
class FlowLayer(nn.Module):def __init__(self, channels1, bottleneck32, params[1,1,1,1,1], n_iter10):super(FlowLayer, self).__init__()self.bottleneck nn.Conv3d(channels, bottleneck, stride1, padding0, biasFalse, kernel_size1)self.unbottleneck nn.Conv3d(bottleneck*2, channels, stride1, padding0, biasFalse, kernel_size1)self.bn nn.BatchNorm3d(channels)channels bottleneckself.n_iter n_iterif params[0]:self.img_grad nn.Parameter(torch.FloatTensor([[[[-0.5,0,0.5]]]]).repeat(channels,channels,1,1))self.img_grad2 nn.Parameter(torch.FloatTensor([[[[-0.5,0,0.5]]]]).transpose(3,2).repeat(channels,channels,1,1))else:self.img_grad nn.Parameter(torch.FloatTensor([[[[-0.5,0,0.5]]]]).repeat(channels,channels,1,1), requires_gradFalse)self.img_grad2 nn.Parameter(torch.FloatTensor([[[[-0.5,0,0.5]]]]).transpose(3,2).repeat(channels,channels,1,1), requires_gradFalse) if params[1]:self.f_grad nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1))self.f_grad2 nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1))self.div nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1))self.div2 nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1)) else:self.f_grad nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1), requires_gradFalse)self.f_grad2 nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1), requires_gradFalse)self.div nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1), requires_gradFalse)self.div2 nn.Parameter(torch.FloatTensor([[[[-1],[1]]]]).repeat(channels,channels,1,1), requires_gradFalse)self.channels channelsself.t 0.3 self.l 0.15self.a 0.25 if params[2]:self.t nn.Parameter(torch.FloatTensor([self.t]))if params[3]:self.l nn.Parameter(torch.FloatTensor([self.l]))if params[4]:self.a nn.Parameter(torch.FloatTensor([self.a]))前向传播
def forward(self, x):residual x[:,:,:-1]x self.bottleneck(x)inp self.norm_img(x)x inp[:,:,:-1]y inp[:,:,1:]b,c,t,h,w x.size()x x.permute(0,2,1,3,4).contiguous().view(b*t,c,h,w)y y.permute(0,2,1,3,4).contiguous().view(b*t,c,h,w)u1 torch.zeros_like(x)u2 torch.zeros_like(x)l_t self.l * self.ttaut self.a/self.tgrad2_x F.conv2d(F.pad(y,(1,1,0,0)), self.img_grad, padding0, stride1)#, groupsself.channels)grad2_x[:,:,:,0] 0.5 * (x[:,:,:,1] - x[:,:,:,0])grad2_x[:,:,:,-1] 0.5 * (x[:,:,:,-1] - x[:,:,:,-2])grad2_y F.conv2d(F.pad(y, (0,0,1,1)), self.img_grad2, padding0, stride1)#, groupsself.channels)grad2_y[:,:,0,:] 0.5 * (x[:,:,1,:] - x[:,:,0,:])grad2_y[:,:,-1,:] 0.5 * (x[:,:,-1,:] - x[:,:,-2,:])p11 torch.zeros_like(x.data)p12 torch.zeros_like(x.data)p21 torch.zeros_like(x.data)p22 torch.zeros_like(x.data)gsqx grad2_x**2gsqy grad2_y**2grad gsqx gsqy 1e-12rho_c y - grad2_x * u1 - grad2_y * u2 - xfor i in range(self.n_iter):rho rho_c grad2_x * u1 grad2_y * u2 1e-12v1 torch.zeros_like(x.data)v2 torch.zeros_like(x.data)mask1 (rho -l_t*grad).detach()v1[mask1] (l_t * grad2_x)[mask1]v2[mask1] (l_t * grad2_y)[mask1]mask2 (rho l_t*grad).detach()v1[mask2] (-l_t * grad2_x)[mask2]v2[mask2] (-l_t * grad2_y)[mask2]mask3 ((mask1^1) (mask2^1) (grad 1e-12)).detach()v1[mask3] ((-rho/grad) * grad2_x)[mask3]v2[mask3] ((-rho/grad) * grad2_y)[mask3]del rhodel mask1del mask2del mask3v1 u1v2 u2u1 v1 self.t * self.divergence(p11, p12)u2 v2 self.t * self.divergence(p21, p22)del v1del v2u1 u1u2 u2u1x, u1y self.forward_grad(u1)u2x, u2y self.forward_grad(u2)p11 (p11 taut * u1x) / (1. taut * torch.sqrt(u1x**2 u1y**2 1e-12))p12 (p12 taut * u1y) / (1. taut * torch.sqrt(u1x**2 u1y**2 1e-12))p21 (p21 taut * u2x) / (1. taut * torch.sqrt(u2x**2 u2y**2 1e-12))p22 (p22 taut * u2y) / (1. taut * torch.sqrt(u2x**2 u2y**2 1e-12))del u1xdel u1ydel u2xdel u2yflow torch.cat([u1,u2], dim1)flow flow.view(b,t,c*2,h,w).contiguous().permute(0,2,1,3,4)flow self.unbottleneck(flow)flow self.bn(flow)return F.relu(residualflow)3.结果展示
首先作者分析了对不同特征层使用光流层的分类结果可以看出在第三个残差块后面使用光流层效果最好。 然后作者讨论了不同结构光流层的分类结果可看到Flow-Conv-Flow的分类效果是最好的。 最后作者与现有的SOTA模型进行了对比可以看到FCF(21)D的效果是最好的。 这里简单对《Representation Flow for Action Recognition》论文进行了介绍更多理解还需要反复阅读论文和阅读源码。
