行为识别作为人工智能领域的关键应用之一，近年来受到了广泛关注，特别是在监控、人机交互及 体育分析等领域展现出巨大潜力。本文利用三维卷积神经网络（3D-CNN）来提升行为识别的精确度与 效率。3D-CNN 通过整合时空信息，相较于传统 CNN，在捕捉视频中动态行为特征方面具有明显优势。 本文选择 UCF YouTube 动作数据集的 UCF11 子集，该数据集以其多样化的动作类别和真实的视频 场景而著称，涵盖了篮球投篮、自行车骑行、跳水等 11 种典型动作。我们对数据进行了预处理，包括 类别编码、数据集划分、视频帧提取和保存，以便于后续的模型训练和评估。采用了随机裁剪、归一化 处理和转换为 PyTorch 张量等方法进行数据增强；模型训练时通过学习率调整及早停策略，防止过拟合， 确保了训练过程的高效与稳定。本文实施迁移学习策略——使用预训练权重，极大加速了训练进程，显 著提升了模型在新数据上的表现。 最后，模型测试部分展示了该方法在实际视频中的应用，通过对视频流进行逐帧处理，采用连续 16 帧作为输入，输出行为预测概率，实现实时行为识别。此阶段不仅验证了模型在复杂场景下的有效 性和准确性，还凸显了该 3D-CNN 框架在行为识别任务中的实战价值。总之，本文的研究不仅深化了对 3D-CNN 应用于行为识别的理解，也为未来相关研究和应用提供了宝贵的思路与实践指引。

个人实现 Stable Diffusion(AI 画图) 的安装和使用，比较适内存16G以上的计算机使用。 本文深度剖析了 Stable Diffusion 模型与其创新性扩展——ControlNet，ControlNet 作为一种新颖的条 件控制机制，用于指导扩散模型生成图像，特别是应用于 Stable Diffusion 等文生图模型。它能实现对生 成过程施加更精细的约束，使得输出图像更加符合用户的需求。 在研究中，首先概述了 Stable Diffusion 的基础架构，拆解其组成单元，讨论感知压缩、CLIP 文 本编码器、条件导向机制及核心的 UNet2DModel，揭示了从文本到视觉艺术的转换奥秘。文章聚焦 ControlNet 的核心原理与实现逻辑，在不改变原模型架构的前提下，利用辅助网络巧妙施加外部控制信 号，实现生成图像内容的精准操控。 实验部分展示了 ControlNet 在 Canny edges（边缘检测）、Openpose（人体姿态检测）的效果。结果 表明，ControlNet 在这些任务中都表现出显著的优势，尤其是在保持生成图像的文本相关性和准确性方 面。透过实践案例的棱镜，演示了 ControlNet 在网页部署的可行性，进一步凸显其即时性和普适性价值。 最后，论文总结了 ControlNet 的潜在应用前景，并提出了一些可能的改进方向。