最近一直困擾的就是特徵問題，視頻特徵——>幀特徵——>特徵聚合/融合
前天看了對面大佬的ppt，也是用的linrongcheng大佬的想法來做的特徵，包括視頻幀/音頻/文字，大佬說其實還是視頻特徵最重要，影響很大，而音頻反而區分度不大，文字特徵似乎沒有見lin大佬提及，且不管，先按照lin大佬的做一下特徵提取。
【據我所知lin大佬的想法與TSM應該差不多是同一時期，且後者可能還是State of the art，然而對面還是用的lin大佬的方法，說明後者可能有些其他問題，比如做特徵問題embedding或其他。當期yt8m挑戰賽，lin大佬處於第3位置】
下載兩個壓縮文件，如果半路下載失敗,可能會造成解壓後的npy文件報錯,建議手動下載,然後解壓。
inception V3最後幾個結點
mixed_10/tower_2/conv
mixed_10/join/concat_dim
mixed_10/join
pool_3
pool_3/_reshape/shape
pool_3/_reshape
softmax/weights
softmax/biases
softmax/logits/MatMul
softmax/logits
softmax
所需要的正是最後一個pool3結點的數據，然而這裏沒有給出是avg還是max，據我所知預訓練的好像都有吧，沒關係
兩個解決方法查看是什麼pool，安裝查看模型軟件或者乾脆看數據
結果發現是avg，如圖
獲取的這個特徵再進行PCA操作，這個PCA不是一般 的PCA，給了固定的mean，特徵值及特徵向量，且最大最小值也不是一般的值，真讓人匪夷所思。有沒有大佬能解釋下這些PCA數據是怎麼來的嗎？爲何按照這些數據進行PCA？
pca_mean.max()
1.1148938
pca_mean.min()
0.098046266
pca_eigenvals.max()
14.738506
pca_eigenvals.min()
0.015357833
pca_eigenvecs.max()
0.17467968
pca_eigenvecs.min()
-0.27399188
將inceptionV3 得到的特徵減去PCA_mean，然後與pca特徵向量相乘，得到的結果除以sqrt(特徵值+1e-4)
這就得到幀級特徵PCA後的結果，這是啥意思呢？？這種結果比沒有的好？？待我看ｐａｐｅｒ
拜拜。
另外有相關問題可以加入QQ羣討論，不設微信羣
QQ羣：868373192
語音圖像視頻深度-學習羣