1.Spatial stream Convnet：隨機采樣單幀圖片輸入，提取靜態(tài)特征（顏色，形狀）
網(wǎng)絡(luò)結(jié)構(gòu)很常用，類似于圖像領(lǐng)域上的應(yīng)用，可以現(xiàn)在Imagnet預(yù)訓(xùn)練，再微調(diào)。
2.Temporal stream Convnet:本文的亮點。
與以往將堆疊的視頻幀作為輸入不同，本文采用堆疊的光流作為網(wǎng)絡(luò)的輸入。將多幀（L幀）光流作為多個輸入通道（2L）
以往堆疊的視頻幀，將堆疊的視頻幀作為輸入，未從時序上處理視頻幀，只是簡單地作為多個輸入通道，難以提取時空運動信息。
而將堆疊的光流輸入，光流本身已描述了運動的速度和方向，然而存在著計算量大的問題。
3.spatial stream convnet與Temporal stream convnet融合：
簡單求平均或者兩者用L2范式融合再用SVM分類
summary：
1.光流的多種變體：
a。簡單計算選定幀I的前向L幀光流
b。只計算稠密軌跡點上的光流（計算量減??？效果差一些？）
問題Q:實驗結(jié)果表明該效果比單純的光流效果差？為什么？
c。計算選定幀I的前L/2幀以及后L/2幀光流
2.相機運動消除
減去平均光流
3.多任務(wù)學(xué)習(xí)
針對數(shù)據(jù)集小，樣本數(shù)量少：本文聯(lián)合UCF101與HMDB51數(shù)據(jù)集進行訓(xùn)練，用兩層softmax分別進行兩個數(shù)據(jù)集的分類
4.訓(xùn)練：
a。每次迭代從視頻樣本中隨機抽取一幀(I)作為空域卷積網(wǎng)絡(luò)的輸入
當(dāng)?shù)螖?shù)多時，可以保證隨機采樣得到的幀均勻分布整個視頻樣本。
問題Q:迭代的次數(shù)能否滿足上述要求？每次只學(xué)習(xí)到一幀？是否存在效率低的問題？
b。計算選定幀I的L幀光流，作為時域卷積網(wǎng)絡(luò)的輸入
問題Q:選定幀I位于視頻的開始，結(jié)束時，如何計算L幀光流
5.測試
從待測試的視頻中均勻抽取固定數(shù)量的視頻幀作為輸入
問題Q:不同長度的視頻是否需要不一樣的數(shù)量
