3D-ResNets-PyTorch

收录理由

这个代码库专注解决一个具体的视觉问题：识别视频里人物正在进行的动作，而不只是分辨画面中有哪些物体。它提供了完整的PyTorch实现，涵盖三维残差网络的训练、微调和评估脚本，让使用者可以从原始视频直接训练出可用的动作识别模型，省去自己搭建网络结构和数据处理流程的麻烦。项目附带了在Kinetics、Moments in Time、UCF-101、HMDB-51和ActivityNet等主流基准上预训练好的权重，对于标注数据有限、想直接迁移现有模型而不是从头训练的场景非常实用。代码与作者发表的CVPR和ICCV论文严格对应，复现论文结果或在此基础上做扩展都很直接。