速度：
        C3D的最大优势在于其速度，在文章中其速度为314fps。而实际上这是基于两年前的显卡了。
用Nvidia 1080显卡可以达到600fps以上。
所以C3D的效率是要远远高于其他方法的，个人认为这使得C3D有着很好的应用前景。

即基于inception-V1模型，将2D卷积扩展到3D卷积。

该论文值得注意的，
    一方面是采用了3D densenet，区别于之前的inception和Resnet结构；
    另一方面，TTL层，即使用不同尺度的卷积（inception思想）来捕捉讯息。

改进ResNet内部连接中的卷积形式。然后，超深网络，一般人显然只能空有想法，望而却步。

 官方GitHub项目上同时提供了C3D-v1.0和C3D-v1.1两个版本，以下方法适用于v1.0

 官方提供的特征提取demo路径为~/C3D-master/C3D-v1.0/examples/c3d_feature_extraction

 在这个路径下，执行c3d_sport1m_feature_extraction_video.sh
 或
 c3d_sport1m_feature_extraction_frm.sh 可以分别从 视频提取特征 和从 图片提取特征的 demo

 打开c3d_sport1m_feature_extraction_video.sh 文件，
 除去一些用来生成文件夹的指令，
 可以看到启动C3D的命令如下：
 
 GLOG_logtosterr=1 
 ../../build/tools/extract_image_features.bin
 prototxt/c3d_sport1m_feature_extractor_video.prototxt 
 conv3d_deepnetA_sport1m_iter_1900000 0 50 1 
 prototxt/output_list_video_prefix.txt fc7-1 fc6-1 prob
 
 其中
  a) ../../build/tools/extract_image_features.bin
      是提取特征的可执行文件，示例命令中使用了相对路径，如果在其他路径下调用注意进行对应的修改
  b) prototxt/c3d_sport1m_feature_extractor_video.prototxt caffe网络配置文件和数据集路径等
  c) conv3d_deepnetA_sport1m_iter_1900000 这是预训练模型文件，根据自己的需求做对应的修改
  d) 接下来的三项数字是：0 50 1，分别是gpu_id，mini_batch_size 和 number_of_mini_batches。
     gpu_id是在计算机具有多块GPU时指定使用哪一块GPU的，默认是0，如果将这一项的值置为-1则启动CPU模式。
     需要注意，如果需要调整batch size，在prototxt文档中也要进行相应的修改
  e) prototxt/output_list_video_prefix.txt 是输出前缀文件，下面会详细介绍
  f) fc7-1 fc6-1 prob 是卷积层特征输出名称 要提取哪一层的特征依序写在这里即可
  

 prototxt/c3d_sport1m_feature_extractor_video.prototxt是这个demo所使用的prototxt文档

 第8行：
 source: "prototxt/input_list_frm.txt"
 这是记录输入文件路径的文档。在这个demo中，prototxt/input_list_frm.txt对应的是以图片作为输入时的文档，
 而prototxt/input_list_video.txt对应的是以视频作为输入时的文档。
 
 以prototxt/input_list_frm.txt为例，
 该文档格式如下：
    input/frm/v_ApplyEyeMakeup_g01_c01/ 1 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 17 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 33 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 49 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 65 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 81 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 97 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 113 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 129 0
    input/frm/v_ApplyEyeMakeup_g01_c01/ 145 0
    input/frm/v_BaseballPitch_g01_c01/ 1 0
    input/frm/v_BaseballPitch_g01_c01/ 17 0
    input/frm/v_BaseballPitch_g01_c01/ 33 0
    input/frm/v_BaseballPitch_g01_c01/ 49 0
    input/frm/v_BaseballPitch_g01_c01/ 65 0
    input/frm/v_BaseballPitch_g01_c01/ 81 0
    
 其中input/frm/v_ApplyEyeMakeup_g01_c01/是保存图片的路径，
 后面的第一个数字表示从哪一帧开始提取特征，
 最后的数字表示该行对应的类别。
 由于这是提取特征而非训练，类别填写什么都不要紧，只要有就行

 多少帧提取一次特征，是由prototxt/input_list_frm.txt中第17行new_length一项参数决定的。
 例如上面例子中的视频一共有165帧，那么最后一行对应的145帧开始提取特征，
 取16帧，使用145帧-161帧的数据。在这里如果取用的帧的编号超过总帧数165，
 则会报错，要注意这一点

 如果输入时视频，则参考prototxt/input_list_video.txt。
 需要注意的是，输入为视频时帧的序号是从0开始计算的。

 第9行：
 use_image: true
 如果输入时图片，则为true，如果输入时视频，则为false。
 
 第10行
 mean_file: "fb_train16_128_mean.binaryproto"
 这里是使用的均值文件的路径，根据所使用的模型生成或选择均值文件即可
 另外也可根据需求修改其他参数。 
 

 参照prototxt/output_list_video_prefix.txt生成输出前缀文件，
 可以根据需求进行自定义，只要注意该文件要和prototxt/input_list_frm.txt
 输入文件清单的行数相对应即可

 输出的特征文件所保存的路径必须自己生成，C3D不会创建文件夹

 如果提示“out of memory” 可以尝试减小batch size

 提取的特征是二进制文件，需要进行格式转换才能正常处理

 其他的注意事项可以参考官方的用户指南

 训练和fine-tune的官方demo的路径分别是

 ~/C3D-master/C3D-v1.0/examples/c3d_train_ucf101
 ~/C3D-master/C3D-v1.0/examples/c3d_finetuning
 所使用的prototxt和inputlist等文件参照特征提取和demo修改即可.