《表4 预训练对准确率的影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的人体动作识别综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

预训练对模型性能的影响如表4所示。相比于不进行预训练，R（2+1）D-RGB、R（2+1）D-Flow、R（2+1）D-Two-Stream（R(2+1）D-T-S）通过Sport-1M数据集预训练，在Kinetics数据集上的top-1准确率分别提升了2.3个百分点、1.0个百分点和1.5个百分点，top-5的准确率分别提升了1.4个百分点、0.9个百分点和1.0个百分点。RGB-I3D、Flow-I3D、Two-Stream I3D在Image Net上进行预训练之后，在Kinetics数据集上的top-1准确率分别提升了2.7个百分点、1.9个百分点和2.6个百分点，top-5准确率分别提升了1.3个百分点、1.5个百分点和1.3个百分点。结果表明：预训练技术能够在一定程度上提升动作识别模型的性能。