视频行为识别之初步——hello World级别

识别即是分类，分类的hello world自然是二分类了。哈哈哈

真考虑人体骨架什么的真的太复杂，因为人定义的概念是很宽泛的，比如说跳舞，简单的俩字，人体动作有什么？？？好几百种甚至上千种组合都有可能，比如韩舞，我可能被这玩意洗脑了，寡人女一号的戏准备找个会跳舞的妹子【咳咳，十八线见习导演】

几年前脸书发了3维卷积视频分类的一个东西，不说benchmark或landmark，或state of the art，但至少具有参考意义。

孤正是按这个的keras版本来的，原谅我不能喝咖啡【caffe】，虽有tf，但预处理我都没搞通，朕的打开方式总是与别人不一样。

经过老子深思熟虑才搞懂为啥子了，数据预处理始终是关键，这一步直接关系能不能用别人的东西，这一步没通，直接就game over了，与其费劲搞不定，不如再换一个，何必吊死一棵树。

视频分类我看源码还是根据图像来做的，每16个图像为一个batch，只不过是多了一个维度而已，例如：

input_shape=[16,112,112,3]

当然16的位置也有放在3前面的，大同小异。与VGG网络的构建是类似的，卷积池化，卷积池化，还能有什么花样？？CNN不就是如此吗？话说这里面如果用了RNN是不是效果会好一点？？时间尺度上的信息会不会也很重要？？

寡人的结果如下：简单的二分类，先就这样子吧，测试下试试效果如何。

寡人甚为郁闷，为何模型大小不一样？？woc？？

不亏是孤打下的江山，看起来效果好的一批【谁知道实际如何呢？？】

容我先用训练集或者测试集中的一个做下测试，虽说这是作弊，我看下作弊的效果，如果作弊都不行，那模型真的很垃圾。

我能说直接没有结果吗？哪怕是错误的结果显示出来也好啊，我太难了。。人生还是挺艰难的。

可能刚才那个视频太大了，读不出来，我先这么自我安慰下，先不考虑啥幺蛾子。

【我先开心开心，不管其他的，也不管是不是幻觉，回家选我的女一号去，哈哈】

 

另外有相关问题可以加入QQ群讨论，不设微信群

QQ群：868373192 

语音深度学习群