T

Timesformer Hr Finetuned K400

由 facebook 开发
TimeSformer是一种基于空间-时间注意力机制的视频理解模型,在Kinetics-400数据集上进行了预训练和微调。
下载量 178
发布时间 : 10/7/2022
模型介绍
内容详情
替代品

模型简介

该模型主要用于视频分类任务,能够将视频分类为400种可能的Kinetics-400标签之一。

模型特点

空间-时间注意力机制
采用纯注意力机制处理视频中的空间和时间信息,无需卷积操作。
高分辨率处理能力
该变体支持高分辨率视频输入,能够捕捉更精细的视觉特征。
大规模预训练
在Kinetics-400大规模视频数据集上进行预训练,具有强大的泛化能力。

模型能力

视频分类
动作识别
视频内容分析

使用案例

视频内容理解
动作识别
识别视频中的人类动作和行为
可识别400种不同的动作类别
视频分类
对视频内容进行分类和标注