CDC网络[13]是在C3D网络基础上，借鉴了FCN的思想。
在C3D网络的后面增加了时间维度的上采样操作，做到了帧预测(frame level labeling)。

1、第一次将卷积、反卷积操作应用到行为检测领域，CDC同时在空间下采样，在时间域上上采样。
2、利用CDC网络结构可以做到端到端的学习。
3、通过反卷积操作可以做到帧预测(Per-frame action labeling)。

CDC6 反卷积   
3DCNN能够很好的学习时空的高级语义抽象，但是丢失了时间上的细粒度，
众所周知的C3D架构输出视频的时序长度减小了8倍
在像素级语义分割中，反卷积被证明是一种有效的图像和视频上采样的方法，
用于产生与输入相同分辨率的输出。
对于时序定位问题，输出的时序长度应该和输入视频一致，
但是输出大小应该被减小到1x1。

网络步骤如下所示:
输入的视频段是112x112xL，连续L帧112x112的图像
经过C3D网络后，时间域上L下采样到 L/8, 空间上图像的大小由 112x112下采样到了4x4
CDC6: 时间域上上采样到 L/4, 空间上继续下采样到 1x1
CDC7: 时间域上上采样到 L/2
CDC8：时间域上上采样到 L，而且全连接层用的是 4096xK+1, K是类别数
softmax层

有训练好的模型参数，比较大

cd ./CDC/
make all -j
make pycaffe

1. 输入数据： demo/data/window  列表文件： demo/data/test.lst

2. 每个数据样例都是 32帧长的视频片段. 
   这里保持和 C3D-v1.0 格式一致, 
   样例是以二进制文件形式(RGB值)，每一帧都有一个 4-th 长度的标签值;

3.运行 demo: 
   cd demo
   ./xfeat.sh

4. 输出特征文件夹 demo/feat

数据集地址：
    inputdir = '/DATA_ROOT/THUMOS14/test/all_frames_pervideo/'
处理成二进制文件： 
    cd THUMOS14/predata/test 
    python gen_test_bin_and_list.py

cd THUMOS14/test
需要使用 网络输出的特征
提取特征：
/CDC_root/model/thumos_CDC/convdeconv-TH14_iter_24390

cd THUMOS14/test/postprocess
3步骤 matlab下
1. run matlab step1_gen_test_metadata.m and will generate metadata.mat
  frmid: frame id in each video, starts with 1
  videoid: belongs to which video
  kept_frm_index: 

2. run matlab step2_read_feat.m and will read all caffe outputs into two matlab matrixs:
3. run matlab step3_gen_CDC_det.m to produce action segment instances prediction for temporal localization.