文件名称:video-classification:TensorFlow实现视频分类
文件大小:1.05MB
文件格式:ZIP
更新时间:2024-05-22 17:20:52
Python
视频分类 动态RNN(LSTM,GRU) 使用视频完全具有的所有帧而无需填充。 静态RNN(LSTM,GRU) 使用固定数量的帧。 如果视频长度大于固定数量,则使用统一或随机采样。 如果视频长度小于固定数量,则将使用所有帧,并使用“零功能”填充视频。 汇集 平均池化 使用所有框架。 均匀采样固定数量的帧。 如果视频长度小于固定数量,则使用所有帧。 随机采样固定数量的帧。 如果视频长度小于固定数量,则使用所有帧。 最大池化 使用所有框架。 均匀采样固定数量的帧。 如果视频长度小于固定数量,则使用所有帧。 随机采样固定数量的帧。 如果视频长度小于固定数量,则使用所有帧。 对于ConvLSTM,输入(帧/图像特征)和状态为3D张量(侧面,侧面,通道)。 ConvLSTM中的操作不是完全连接,而是后果。 继续... 如果您认为此代码有用,请考虑引用与我的视频相关的作品: