本文通过复现 ResNet-UCF-据集的表现，旨在验证视频数据集训练深卷积网络的可行性。基于PaddleVideo，我们修改了 ResNet-生成模型，并不使用预训练权重。经过数据处理、训练等步骤后，在UCF-证集上达到了的准确率，显著高于目标值，有力地支持了相关结论。
【论文复现赛】Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet"https://img.php.cn/upload/article/001/571/248/175332884721512.jpg" >
上述代码根据【从零开始学视觉Transformer】实战作业ResNet18修改而成，没上课的同学快去看看吧。
四、在线体验
实现ResNet18_3D在UCF-101训练、验证、预测，只需要以下几步：
本次复现的目标是UCF-101验证集acc 42.4%，复现的为acc 43.98%。
以上就是【论文复现赛】ResNet18_3D的详细内容，更多请关注其它相关文章！
