T

Timesformer Hr Finetuned K600

由 facebook 开发
TimeSformer是一种基于空间-时间注意力机制的视频分类模型,专门用于视频理解任务。
下载量 2,927
发布时间 : 10/7/2022
模型介绍
内容详情
替代品

模型简介

该模型基于Kinetics-600数据集预训练,能够将视频分类为600种可能的类别。它采用了纯注意力机制处理视频数据,无需卷积操作。

模型特点

纯注意力机制
完全基于Transformer架构,使用空间-时间注意力处理视频数据,无需传统卷积操作
高效视频理解
专门设计用于处理视频序列数据,能够捕捉时空特征
大规模预训练
在Kinetics-600大型视频数据集上进行预训练,具有广泛的应用能力

模型能力

视频分类
时空特征提取
视频内容理解

使用案例

视频分析
动作识别
识别视频中的人类动作和行为
可识别Kinetics-600数据集中的600种动作类别
视频内容分类
对视频内容进行自动分类和标记