文件名称：五视频分类方法：我的博客文章随附的代码概述了Keras和TensorFlow中的五种视频分类方法
文件大小：197KB
文件格式：ZIP
更新时间：2024-02-24 02:21:30
machine-learning deep-learning tensorflow keras classification
五个视频分类方法 五个视频分类方法： 使用ConvNet一次分类一帧 使用ConvNet在单独的网络中从每个帧中提取特征，并将序列传递给RNN 使用时间扭曲的ConvNet，将功能传递给RNN，就像＃2一样，但都在一个网络中（这是代码中的lrcn网络）。 使用ConvNet从每个帧中提取特征并将序列传递给MLP 使用3D卷积网络（有两个版本的3d转换可供选择） 有关完整的详细信息，请参见随附的博客文章： : 要求 此代码要求您已安装Keras 2和TensorFlow 1或更高版本。 请参阅requirements.txt文件。 为了确保您最新，请运行： pip install -r requirements.txt 您还必须安装ffmpeg才能提取视频文件。 如果ffmpeg不在您的系统路径中（即which ffmpeg不返回其路径，或者您使用的操作系统不是* nix），则需要在data/2_extract_files.py路径更新为ffmpeg 。 。 获取数据 首先，将数据集从UCF下载到data文件夹中： cd data && wget http://crc
【文件预览】：
five-video-classification-methods-master
----plot_trainlog.py(858B)
----models.py(10KB)
----extractor.py(2KB)
----extract_features.py(2KB)
----data()
--------2_extract_files.py(3KB)
--------1_move_files.py(2KB)
--------ucfTrainTestlist()
--------data_file.csv(565KB)
----train.py(4KB)
----random_and_mode.py(697B)
----demo.py(2KB)
----LICENSE(1KB)
----validate_rnn.py(1KB)
----processor.py(477B)
----train_cnn.py(4KB)
----requirements.txt(99B)
----.gitignore(125B)
----README.md(3KB)
----validate_cnn.py(1KB)
----data.py(9KB)