最近一直困扰的就是特征问题，视频特征——>帧特征——>特征聚合/融合
前天看了对面大佬的ppt，也是用的linrongcheng大佬的想法来做的特征，包括视频帧/音频/文字，大佬说其实还是视频特征最重要，影响很大，而音频反而区分度不大，文字特征似乎没有见lin大佬提及，且不管，先按照lin大佬的做一下特征提取。
【据我所知lin大佬的想法与TSM应该差不多是同一时期，且后者可能还是State of the art，然而对面还是用的lin大佬的方法，说明后者可能有些其他问题，比如做特征问题embedding或其他。当期yt8m挑战赛，lin大佬处于第3位置】
下载两个压缩文件，如果半路下载失败,可能会造成解压后的npy文件报错,建议手动下载,然后解压。
inception V3最后几个结点
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
所需要的正是最后一个pool3结点的数据，然而这里没有给出是avg还是max，据我所知预训练的好像都有吧，没关系
两个解决方法查看是什么pool，安装查看模型软件或者干脆看数据
结果发现是avg，如图
获取的这个特征再进行PCA操作，这个PCA不是一般 的PCA，给了固定的mean，特征值及特征向量，且最大最小值也不是一般的值，真让人匪夷所思。有没有大佬能解释下这些PCA数据是怎么来的吗？为何按照这些数据进行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
将inceptionV3 得到的特征减去PCA_mean，然后与pca特征向量相乘，得到的结果除以sqrt(特征值+1e-4)
这就得到帧级特征PCA后的结果，这是啥意思呢？？这种结果比没有的好？？待我看ｐａｐｅｒ
拜拜。
另外有相关问题可以加入QQ群讨论，不设微信群
QQ群：868373192
语音图像视频深度-学习群