Posts on xxx的个人空间https://my-blog-source-e1i.pages.dev/posts/Recent content in Posts on xxx的个人空间Hugozh-cnWed, 20 May 2026 16:41:02 +0800Hello Worldhttps://my-blog-source-e1i.pages.dev/posts/hello-world/Wed, 20 May 2026 16:41:02 +0800https://my-blog-source-e1i.pages.dev/posts/hello-world/<p>这是lhk的个人博客，终于搭建起来了</p><link>https://my-blog-source-e1i.pages.dev/posts/%E9%AB%98%E7%A9%BA%E6%8A%9B%E7%89%A9%E8%AF%86%E5%88%ABresnet/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://my-blog-source-e1i.pages.dev/posts/%E9%AB%98%E7%A9%BA%E6%8A%9B%E7%89%A9%E8%AF%86%E5%88%ABresnet/</guid><description><h1 id="基于tsm的高空抛物识别系统">基于TSM的高空抛物识别系统</h1> <h2 id="模型选择">模型选择</h2> <table> <thead> <tr> <th><strong>特性</strong></th> <th><strong>YOLO (目标检测)</strong></th> <th><strong>TSM (动作识别)</strong></th> </tr> </thead> <tbody> <tr> <td><strong>输入单元</strong></td> <td>单张图片 (.jpg)</td> <td>视频片段 (.mp4 / 帧序列)</td> </tr> <tr> <td><strong>标签文件</strong></td> <td>坐标框 (txt/xml)</td> <td>类别 ID (0 或 1)</td> </tr> <tr> <td><strong>难点</strong></td> <td>小目标检测、重叠遮挡</td> <td>采样频率、动作起始点定位</td> </tr> <tr> <td><strong>本项目应用</strong></td> <td>识别“这是个瓶子”</td> <td>识别“瓶子正在坠落”</td> </tr> </tbody> </table> <p><strong>OpenMMLab (MMAction2)</strong> 框架，搭配 <strong>TSM 模型</strong>。</p> <h2 id="tsmtemporal-shift-module简介">TSM（Temporal Shift Module）简介</h2> <h3 id="一句话定义">一句话定义</h3> <p>TSM 是一种<strong>轻量级视频理解模型</strong>，通过在时间维度上&quot;移动&quot;特征来捕捉动作信息，几乎不增加计算量。</p> <hr> <h3 id="核心原理">核心原理</h3> <p>普通 CNN 处理图片时，每一帧是独立的——它不知道前一帧和后一帧发生了什么。</p> <p>TSM 的做法很简单：<strong>把特征图在时间维度上移一下</strong>。</p> <pre tabindex="0"><code>时间步: t-1 t t+1 通道1: ←───── ───── 通道2: ───── ─────→ 通道3: 不动 不动 不动 </code></pre><ul> <li>一部分通道<strong>向前</strong>看一帧</li> <li>一部分通道<strong>向后</strong>看一帧</li> <li>一部分通道<strong>不动</strong></li> </ul> <p>这样模型在处理第 t 帧时，天然就能&quot;感知&quot;到 t-1 和 t+1 帧的信息，从而理解<strong>运动方向和速度</strong>。</p> <hr> <h3 id="为什么适合高空抛物">为什么适合高空抛物</h3> <table> <thead> <tr> <th>特性</th> <th>单帧检测（YOLO）</th> <th>TSM（视频理解）</th> </tr> </thead> <tbody> <tr> <td>输入</td> <td>1 张图片</td> <td>8 帧连续画面</td> </tr> <tr> <td>能识别</td> <td>&ldquo;有个瓶子&rdquo;</td> <td>&ldquo;瓶子在往下掉&rdquo;</td> </tr> <tr> <td>计算量</td> <td>低</td> <td>和单帧几乎一样</td> </tr> </tbody> </table> <p>高空抛物的关键不是&quot;有什么东西&quot;，而是&quot;这个东西在<strong>运动</strong>&quot;。TSM 能捕捉这种<strong>时序变化</strong>，而且计算量几乎没有增加。</p></description></item></channel></rss>