【视频课】行为识别课程更新！CNN+LSTM理论与实践！-优快云博客

前言

欢迎大家关注有三AI的视频课程系列，我们的视频课程系列共分为5层境界，内容和学习路线图如下：

第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用。

第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类。

第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，目标跟踪。

第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。

第5层：掌握算法落地的关键技术，包括模型优化，模型部署。

其中部分课程的主体内容已经更新完毕，比如数据使用/图像分类/图像分割/目标检测/图像生成/视频分类/模型部署；部分课程正在重制更新中，比如模型优化，部分课程正在计划上线中，比如图像编辑，请大家及时关注！

本次给大家介绍的课程内容是《深度学习之视频分类：理论实践篇》中的部分内容，即CNN+LSTM的理论与实践，目标是帮助大家掌握时序模型用于视频分类的核心内容。

为什么要学习这门课

随着图像识别相关领域的研究与应用逐渐成熟，当下视频分析相关的研究和应用所占比例越来越大，其技术也更加复杂。视频分类和行为识别在视频监控与检索，网络直播、推荐系统等行业中有着广泛的应用，是深度学习在视频分析领域中最底层的问题之一，非常值得关注和学习。

为了帮助初学者深入学习视频分类与行为识别相关内容，我们推出了《深度学习之视频分类》系列课程，目前已完成约8个小时的理论课与实践课程，为学员深入解读视频分类基础理论原理及经典网络结构，经合实际项目，将所学理论应用于实践。

本课程内容将包括视频分类的各个经典算法理论与实践，下面是当前已有课程的大纲脑图：

(1) 理论部分内容包括：涵盖了深度学习之视频分类的主要模型，如3D卷积模型，双流模型，RNN时序模型等，既有足够的宽度，也具备有足够的深度。我们会非常详细地讲解算法中的细节，帮助彻底消化算法原理；

(2) 实践非常丰富。本次课程中一共已经包含了3个实践案例，分别为基于3D卷积模型的视频分类实战，基于双流模型的视频分类实战，基于时序模型的视频分类实战；

课程内容介绍

本次更新的课程内容是时序模型理论与实践。

(1) RNN/LSTM模型，Conv-LSTM模型。介绍的内容主要包括CNN，LSTM，Conv-LSTM模型的原理，时长约30分钟。

(2) 基于Conv-LSTM模型的视频分类实践。介绍的内容主要包括原理简介，数据处理，模型搭建，模型训练，模型测试，时长约100分钟，提供完整源代码。

本课程的其他内容还包括：

(1) 视频分类基础讲解，包括视频分类的基本概念，常见数据集介绍，约20分钟，本部分内容可以免费收听。

(2) 3D卷积模型（基础篇），包括3D卷积原理，基础3D卷积模型与深度3D卷积模型，约30分钟，本部分内容可以免费收听。

(3) 3D卷积模型（分解篇），包括卷积拆分原理，经典的3D卷积分解模型及其探索，约40分钟。

(4) 双流模型（基础篇）讲解，包括基本的双流模型，双流模型融合策略，3D双流模型，约30分钟。

(5) 双流模型（采样篇）讲解，包括时序分段采样模型，时序分频采样模型，约35分钟。

(6) 3D卷积模型实战，包括项目简介，数据处理，模型定义，模型训练，模型测试，约80分钟。

(7) 双流模型实战，包括项目简介，数据处理，模型定义，模型训练，模型测试，约60分钟。

完整的课程内容可见脑图：

本课程讲师为言有三，讲师简介如下：

龙鹏，笔名言有三，技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012)，中国科学院半导体研究所神经网络实验室(2012-2015)，先后就职于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度学习实验室(2017.5-2019.3)，深度学习算法专家，阿里云MVP，华为云MVP。

拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。

擅长领域：Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。

本课程特色与适合人群

本课程是视频分析课程的其中一部分，属于有三AI整个课程体系中的中阶课程，对大家的能力有一些要求，包括：

(1) 掌握计算机视觉基础方法。包括CV基础方向中的图像分类，目标检测。

(2) 熟练使用深度学习框架与基础模型。包括Pytorch，常用的2D/3D/时序模型。

如何获取课程

订阅《深度学习之视频分类》专栏，本专栏定价为249，后续若有内容增加还会进行价格调整，感兴趣的请提前订阅，链接如下：