slow-fast network 何凯明最新论文源码，内含部分注释

介绍 English | MMAction2是一个基于PyTorch的用于视频理解的开源工具箱。 它是项目的一部分。 master分支可与PyTorch 1.3+一起使用。 Kinetics-400上的动作识别结果 AVA-2.1的时空行为检测结果 主要特点 模块化设计 我们将视频理解框架分解为不同的组件，并且可以通过组合不同的模块轻松地构建自定义的视频理解框架。 支持各种数据集 该工具箱直接支持多个数据集，UCF101，Kinetics- [400/600/700]，Somethi

PySlowFast PySlowFast是FAIR的开源视频理解代码库，可提供经过有效培训的最新视频分类模型。 该存储库包括以下方法的实现： 介绍 PySlowFast的目标是提供高性能，轻量级的pytorch代码库，提供最新的视频主干，以用于对不同任务（分类，检测等）的视频理解研究。 它旨在支持快速实施和评估新颖的视频研究思想。 PySlowFast包括以下骨干网络体系结构的实现： 慢快 慢 C2D I3D 非本地网络 X3D 更新 现在，我们支持。 有关更多信息，请参见 。 我们

| 英语 PaddleVideo 介绍 PaddleVideo是用于为行业和学术界准备的视频识别，动作本地化和时空动作检测任务的工具集。 该存储库提供了示例和最佳实践指南，用于在视频区域的场景中探索深度学习算法。 我们致力于支持可以大大减少“部署时间”的实验和实用程序。 顺便说一句，这也是视频领域最新PaddlePaddle 2.0的熟练度验证和实现。 特征 先进的模型动物园设计PaddleVideo统一了视频理解任务，包括识别，本地化，时空行为检测等。 借助基于IOC / DI的清晰配置系统