深度学习动态识别过程

原创已于 2023-05-30 14:53:40 修改 · 332 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #机器学习

于 2023-04-22 09:08:14 首次发布

该文描述了一种机器学习流程，包括数据集的分割，使用pkl文件存储，通过CRNN模型达到96%的最高准确率，并进行交叉验证。接着，尝试C3D模型以比较不同模型的性能。此外，应用3DCNN处理7帧关键帧，得到85%的正确率，并提出了一种帧选择策略。

1、划分数据集为训练，验证，测试。

2、形成pkl文件

3、跑模型CRNN得到结果96%的最高准确率（老师让做交叉验证）

4、准备用训练好的参数跑测试集看一下平均准确率。

5、再试试C3D模型，做一下模型间的交叉验证。

6、跑3DCNN取7帧关键帧，第一帧与六帧最后一帧得到正确率85%，再尝试使用如下方式跑3DCNN

if len(dir) > len(self.frames):
   # file_dirs里面已经存放了所有的帧数，若小于可以直接在上面添加，若大于？
   for i in range(len(self.frames)):
        file_dirs.append(dir[math.floor(((i+1)/len(self.frames))*len(dir))-1])
else:
   file_dirs = os.listdir(selected_folder)
        for i in range(len(dir), len(self.frames)):
             file_dirs.append(file_dirs[-1])