您只看一次（YOWO） PyTorch实施“只看”一文。 在这项工作中，我们提出了YOWO （ Y y O nly W atch O nce ），这是一种用于视频流中实时时空动作本地化的统一CNN架构。 YOWO是一个单阶段框架，输入是一个片段，由视频中的几个连续帧组成，而输出则预测边界框的位置以及当前帧中的相应类别标签。 然后，使用特定策略，可以将这些检测结果链接在一起，以在整个视频中生成“动作管”。 由于我们没有将人类检测和动作分类程序分开，因此可以通过在端到端框架中的联合损失来优化整