refine lstm/tsn doc

fluid/PaddleCV/video/models/attention_cluster/README.md

@@ -104,6 +104,6 @@ Attention Cluster模型使用2nd-Youtube-8M数据集, 数据下载及准备请
 
 ## 版本更新
 
-- 3/2018: 新增模型
+- 3/2019: 新增模型
 
 

fluid/PaddleCV/video/models/attention_lstm/README.md

@@ -9,6 +9,8 @@
 - [模型训练](#模型训练)
 - [模型评估](#模型评估)
 - [模型推断](#模型推断)
+- [参考论文](#参考论文)
+- [版本更新](#版本更新)
 
 ## 模型简介
 
@@ -88,3 +90,13 @@ AttentionLSTM模型使用2nd-Youtube-8M数据集，关于数据本分请参考[
 
 - 若未指定`--weights`参数，脚本会下载Paddle release权重[PaddleAttentionLSTM](https://paddlemodels.bj.bcebos.com/video_classification/attention_lstm_youtube8m.tar.gz)进行推断
 
+## 参考论文
+
+- [Beyond Short Snippets: Deep Networks for Video Classification](https://arxiv.org/abs/1503.08909) Joe Yue-Hei Ng, Matthew Hausknecht, Sudheendra Vijayanarasimhan, Oriol Vinyals, Rajat Monga, George Toderici
+
+- [Attention Clusters: Purely Attention Based Local Feature Integration for Video Classification](https://arxiv.org/abs/1711.09550) Xiang Long, Chuang Gan, Gerard de Melo, Jiajun Wu, Xiao Liu, Shilei Wen
+
+## 版本更新
+
+- 3/2019: 新增模型
+

fluid/PaddleCV/video/models/tsn/README.md

@@ -3,14 +3,16 @@
 ---
 ## 内容
 
-- [简介](#简介)
+- [模型简介](#模型简介)
 - [数据准备](#数据准备)
 - [模型训练](#模型训练)
 - [模型评估](#模型评估)
 - [模型推断](#模型推断)
+- [参考论文](#参考论文)
+- [版本更新](#版本更新)
 
 
-## 简介
+## 模型简介
 
 Temporal Segment Network (TSN) 是视频分类领域经典的基于2D-CNN的解决方案。该方法主要解决视频的长时间行为判断问题，通过稀疏采样视频帧的方式代替稠密采样，既能捕获视频全局信息，也能去除冗余，降低计算量。最终将每帧特征平均融合后得到视频的整体特征，并用于分类。本代码实现的模型为基于单路RGB图像的TSN网络结构，Backbone采用ResNet-50结构。
 
@@ -57,7 +59,7 @@ TSN的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。
 
 当取如下参数时，在Kinetics400的validation数据集下评估精度如下:
 
-| seg\_num | target\_size | Prec@1 |
+| seg\_num | target\_size | Top-1 |
 | :------: | :----------: | :----: |
 | 3 | 224 | 0.66 |
 | 7 | 224 | 0.67 |
@@ -76,3 +78,11 @@ TSN的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。
 
 - 若未指定`--weights`参数，脚本会下载Paddle release权重[PaddleTSN](https://paddlemodels.bj.bcebos.com/video_classification/attention_tsn_kinetics.tar.gz)进行推断
 
+## 参考论文
+
+- [StNet:Local and Global Spatial-Temporal Modeling for Human Action Recognition](https://arxiv.org/abs/1608.00859) Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao, Dahua Lin, Xiaoou Tang, Luc Van Gool
+
+## 版本更新
+
+- 3/2019: 新增模型
+