本文档介绍了一个使用3D卷积神经网络（CNN）进行视频分类的项目，特别是在动作识别上的应用。基于D. Tran等人的研究，作者详细阐述了模型结构、数据集的选择（动态手势识别数据集），并提供了从数据加载、模型创建、训练过程到结果评估的完整代码实现。项目采用TensorFlow 2.10进行，并展示了如何使用(2+1)D卷积减少参数数量和提高效率。
一、简述
这里主要介绍了基于自定义动作识别数据集训练用于视频分类的 3D 卷积神经网络 (CNN) 。3D CNN 使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在 2D CNN 中它可以在二维上滑动。
这里的模型主要基于D. Tran 等人2017年的论文“动作识别的时空卷积研究”。
https://arxiv.org/abs/1711.11248v3
https://arxiv.org/abs/1711.11248v3
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
