视频分类|使用3D CNN或C3D模型在UCF101数据集上进行视频分类任务。

最新推荐文章于 2025-05-05 14:28:24 发布
最新推荐文章于 2025-05-05 14:28:24 发布
阅读量995 收藏 2
点赞数
分类专栏： 2025年机器学习&深度学习千例 文章标签： 深度学习 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_68036862/article/details/130335685
版权
本文详细介绍了如何利用Python和深度学习库Keras，通过3D卷积神经网络（CNN）模型在UCF101数据集上执行视频分类任务。首先，解释了如何准备UCF101数据集，包括视频到帧序列的转换。接着，展示了构建3D CNN模型的步骤，包括模型结构定义、数据预处理和模型训练。最后，讨论了模型的训练过程和性能评估。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

视频分类是一项重要的计算机视觉任务，涉及将视频分为不同的类别。在这篇博客中，我们将介绍如何使用Python和深度学习框架Keras来实现视频分类，我们将使用3D CNN模型在UCF101数据集上进行分类任务。

UCF101数据集是一个非常流行的视频分类数据集，其中包含101个不同的动作类别。每个类别包含大约100到400个视频片段，总共包含13320个视频片段。每个视频片段的持续时间在几秒钟到几分钟之间不等。

首先，我们需要下载并准备UCF101数据集。可以从以下网址下载UCF101数据集：

http://crcv.ucf.edu/data/UCF101/UCF101.rar

下载后，解压缩数据集并将其放在适当的目录中。UCF101数据集中的每个类别都包含一个文件夹，文件夹的名称是该类别的名称。每个文件夹包含该类别的所有视频片段，视频片段的文件名是以数字开头的。例如，“ApplyEyeMakeup”类别的第一个视频片段的文件名是“v_ApplyEyeMakeup_g01_c01.avi”。

接下来，我们需要将视频片段转换为帧序列。可以使用OpenCV库来完成此操作。以下是一个将视频片段转换为帧序列的Python代码示例：


                

        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
            

        


    



                



	

		

			

				
					
使用3D卷积神经网络（3D CNN）或C3D模型在UCF101数据集上进行视频分类任务

				
			

			

				

					QromMatlab的博客
				

				

					09-22
					
					583
					
				

			

		

		

			
				
在该类中，我们定义了模型的架构，包括卷积层、池化层、全连接层等。然后，我们将视频文件名和标签划分为训练集和测试集，通常采用70%的数据作为训练集，30%的数据作为测试集。由于视频数据是时序数据，我们需要将每个视频片段划分为连续的帧，并将其转换为适合3D CNN或C3D模型的输入格式。近年来，深度学习模型，特别是卷积神经网络（CNN），在视频分类任务中取得了显著的成果。针对视频数据的特殊性质，研究人员引入了3D卷积神经网络（3D CNN）和C3D模型，以有效地处理视频数据的时空信息。

			
		

	



                

            
              



	

		

			

				
					
视频分类：使用3D CNN或C3D模型在UCF101数据集上进行视频分类任务

				
			

			

				

					走向CTO的路上...
				

				

					01-02
					
					647
					
				

			

		

		

			
				
3D CNN和C3D模型为视频分类任务提供了有效的解决方案，通过考虑视频的时空信息，这些模型能够充分利用视频数据的动态特性。尽管其计算需求较高，但在GPU加速及深度学习优化技术的帮助下，它们已经被广泛应用于实际项目中。

			
		

	



              


  
              

                


	

		

			

				
					
3dcnn视频分类算法-pytorch上分之路

				
			

			

				

					weixin_41124056的博客
				

				

					02-22
					
					5236
					
				

			

		

		

			
				
3DCNN-视频分类项目结构config.pydatalist.pymodel.pytrain.py最后
项目结构

config.py
import argparse

'''
training settings

metavar参数，用来控制部分命令行参数的显示
'''
parser = argparse.ArgumentParser(description='PyTorch Example for all')
parser.add_argument('--train-batch-size', type

			
		

	





	

		

			

				
					
JHMDB视频数据集

					
最新发布

				
			

			

				

					gitblog_06741的博客
				

				

					05-05
					
					332
					
				

			

		

		

			
				
JHMDB视频数据集

    
        
            【下载地址】JHMDB视频数据集
            JHMDB视频数据集是一个专注于动作识别的小型数据集，包含21个不同动作的视频序列，每个视频均经过全面的动作和人体姿态标注。该数据集为研究人员提供了丰富的视觉数据，特别适用于动作识别和人体姿态估计等领域的研究。通过使用JHMDB数据集，研究者可以深入探索人类动作的复...

			
		

	



		

			
		



	

		

			

				
					
video-classification-3d-cnn-pytorch：使用3D ResNet的视频分类工具

				
			

			

				

					02-05
				

			

		

		

			
				
使用3D ResNet进行视频分类
这是使用训练的3D ResNet进行视频（动作）分类的pytorch。 在Kinetics数据集上训练了3D ResNet，该数据集包括400个动作类。 此代码将视频用作输入，并在得分模式下输出每16帧的班级名称和预测班级得分。 在功能模式下，此代码每16帧输出512个暗角的功能（在全局平均池化之后）。
 提供此代码的Torch（Lua）版本。
要求
conda install pytorch torchvision cuda80 -c soumith
FFmpeg，FFprobe
 wget http://johnvansickle.com/ffmpeg/

			
		

	





	

		

			

				
					
在UCF101上使用3D CNN/CNN + RNN进行视频分类/动作识别的教程-python

				
			

			

				

					06-18
				

			

		

		

			
				
在UCF101上使用3D CNN/CNN + RNN进行视频分类/动作识别的教程
视频分类 该存储库使用 UCF101 和 PyTorch 为视频分类（或动作识别）构建了一个快速而简单的代码。
 视频被视为一个 3D 图像或几个连续的 2D 图像（图 1）。
 下面是两个简单的神经网络模型：数据集 UCF101 共有来自 101 个动作的 13,320 个视频。
 视频具有不同的时间长度（帧）和不同的 2d 图像大小；
 最短的是28帧。
 为了避免像 OpenCV 或 FFmpeg 这样的帧提取和转换等痛苦的视频预处理，这里我直接使用了来自 feichtenhofer 的预处理数据集。
 如果您想从头开始转换或提取视频帧，这里有一些不错的教程：https://pythonprogramming.net/loading-video-python-opencv-tutorial/ https://www.pyimagesearch.com/2017/02/ 06/faster-video-file-fps-with-cv2-videocapture-and-opencv/ 模型 1. 3

			
		

	





	

		

			

				
					
C3D的视频分类

				
			

			

				

					qq_28778507的博客
				

				

					11-26
					
					6693
					
				

			

		

		

			
				
很久之前做了C3D的视频分类，现在详细把整个项目的细节描述一下。
首先介绍一下C3D：对于一段视频来说，它是连续的帧图像叠加起来的，所以可以考虑在生成通道图像的时候，把多帧图像叠加的特性讨论进去。
一个视频段输入，其大小为 c∗l∗h∗w ,其中c为图像通道(一般为3),l为视频序列的长度，h和w分别为视频的宽与高。进行一次kernel size为3∗3∗3,stride为1,padding=Tr...

			
		

	





	

		

			

				
					
数据集UCF101 + CRNN模型 + 模型预测结果

				
			

			

				

					05-06
				

			

		

		

			
				
UCF101数据集是计算机视觉领域一个广泛使用的视频动作分类数据集，它包含了101个不同的动作类别，每个类别有至少25个不同的视频片段，总计约13K个视频。这个数据集旨在推动视频理解的研究，挑战算法在复杂背景、不同...

			
		

	





	

		

			

				
					
C3D进行视频分类：使用自己数据集

				
			

			

				

					waiyayaya的博客
				

				

					10-21
					
					1007
					
				

			

		

		

			
				
在C3D视频分类的基础上，改用自己的数据集

			
		

	





	

		

			

				
					
视频分类——C3D使用

				
			

			

				

					TigerZ*的博客
				

				

					05-21
					
					1016
					
				

			

		

		

			
				
文章介绍了视频分类模型和开源代码的使用。

			
		

	





	

		

			

				
					
一份基于Pytorch的视频分类教程

				
			

			

				

					机器学习算法与Python学习
				

				

					05-29
					
					7319
					
				

			

		

		

			
				
这是一个在UCF101上使用3D RNN/CNN+RNN 进行视频分类的教程，基于Pytorch实现。数据集UCF101 含有包括13320个视频与101个动作，视频有不...

			
		

	





	

		

			

				
					
颜色分类leetcode-3DCNN:用于视频分类的3D卷积神经网络

				
			

			

				

					07-06
				

			

		

		

			
				
颜色分类leetcode
3DCNN
使用（作为后端）实现用于视频分类的
3D
卷积神经网络。
描述
此代码需要
.
此代码生成精度和损失图，模型图，结果和类名作为
txt
文件，模型作为
hd5
和
json。
您可以使用visualize_input.py
制作输入图像，以最大化特定输出。
此代码能够最大化任何分类模型的层输出。
（仅允许密集层卷积层（2D/3D）和池化层（2D/3D）。）
要求
Python3
opencv3（带
ffmpeg）、keras、numpy、tqdm
选项
3dcnn.py
的选项如下：
--batch批量大小，默认为
128
--epoch历元数，默认为
100
--videos存储数据集的目录名称，默认为
UCF101
--nclass要使用的类数，默认为
101
--output将保存上述结果的目录--color使用
RGB
图像或灰度图像，默认为
False
--skip间隔或连续获取帧，默认为
True
--depth要使用的帧数，默认为
10
3dcnn_ensemble.py
的选项与
3dcnn.py
的选项几乎相同。
您可以使用--n

			
		

	





	

		

			

				
					
ResNet3D用于视频分类

				
			

			

				

					04-24
				

			

		

		

			
				
该readme文件详细介绍了https://github.com/kenshohara/3D-ResNets-PyTorch这个repo中的ResNet3D的使用方法，并将其用于一个新的打架数据集的视频分类任务

			
		

	





	

		

			

				
					
Video-Classification-2-Stream-CNN, 2流CNN视频分类.zip

				
			

			

				

					09-18
				

			

		

		

			
				
Video-Classification-2-Stream-CNN, 2流CNN视频分类 基于两流的视频分类算法我们分别利用 VGG-16 和cnn的空间和时序流对视频信息进行建模。 LSTMs堆叠在CNNs之上，用于建模视频帧之间的长期依赖关系。 有关更多信息，请参阅以下文件：两流卷积网络在视频识别中的动作识别用于视频分

			
		

	





	

		

			

				
					
UCF101 - Action Recognition Dataset行为识别数据集UCF101-数据集

				
			

			

				

					03-04
				

			

		

		

			
				
UCF101 is provided by University of Central Florida.本数据集由中央佛罗里达大学提供。 
UCF101_TrainTestSplits-DetectionTask_datasets.zip 
UCF101_TrainTestSplits-RecognitionTask_datasets.zip

			
		

	





	

		

			

				
					
视频分类数据集介绍

					
热门推荐

				
			

			

				

					dake1994的博客
				

				

					09-10
					
					2万+
					
				

			

		

		

			
				
视频分类数据集

 

在视频分类项目中，有很多经典的公开数据集，目前主要的数据集如列表所示：



 

重点介绍三个中等规模的数据集。

1. UCF101

动作识别数据集，从youtube收集而得，共包含101类动作。其中每类动作由25个人做动作，每人做4-7组，共13320个视频，分辨率为320*240，共6.5G。

UCF101在动作的采集上具有非常大的多样性，包括相机运行、外观变化...

			
		

	





	

		

			

				
					
视频分类之数据集介绍

				
			

			

				

					qq_51511878的博客
				

				

					08-22
					
					3112
					
				

			

		

		

			
				
本文介绍的为动作识别视频分类数据集。数据集通常通过以下过程构建：1、结合以前数据集的标签，并根据使用情况添加新的类别，从而定义一个新的运动列表。2、从各种来源获取视频，如YouTube和电影，将视频标题/字幕与动作列表匹配。3、手动提供时间注释以指示动作的开始和结束位置。4、通过删除重复数据和过滤来清洗数据集。数据集发布年份数量大小视频长度分类数HMDB5120117K2G5s51UCF101201213.3K6.5G6s101Sports1M20141.1M。

			
		

	





	

		

			

				
					
视频数据集

				
			

			

				

					u011994454的博客
				

				

					07-08
					
					5217
					
				

			

		

		

			
				
在视频超分领域，有三个常用的数据集：Vimeo90K, REDS这两个比较大，提供了训练和测试数据集，Vid4数据集包含了4个clips，仅用于评估。



REDS

REDS是高质量的视频超分(1280*720*3)

270000高质量图片，由240个training clips， 30个validation clips，30个testing clips组成。每个clip包含100帧。

在高质量图片上做了4种不同的衰退处理，行成4个子数据集。1. Bicubic downsampling 2. ..

			
		

	





	

		

			

				
					
3D CNN(视频分类网络)无预训练权重训练难以收敛问题在各视频分类网络论文中的解决综合(train from scratch)(更新中)

				
			

			

				

					weixin_42388228的博客
				

				

					04-05
					
					1516
					
				

			

		

		

			
				
问题：
视频分类网络像two stream i3d等都是直接在作者给的预训练权重上finetune自己的数据，然后在训练集上训练至过拟合。基本随便一个图像分类网络在任意一个数据集的训练集上都能收敛，但自己直接使用一个恒定的学习率来在自己的数据集train from scratch的话，只要3D CNN一大就从来就没有收敛过(自己用tf写的3D-ResNet, Non-local, s3d, p3d...

			
		

	





	

		

			

				
					
实时手势识别技术：使用3D CNN实现与代码实践

				
			

			

				

					
				

			

		

		

			
				
在实现方面，项目支持了多种CNN模型，包括但不限于ResNet-10、ResNetL-10、ResNeXt-101和C3D v1。作者还指出，向系统中添加其他版本的CNN模型是可行的，这表明了代码的可扩展性。  此外，项目还通过图示展示了系统的...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  





	
打赏作者

	

		

		
			
		
		

		

			
人工智能_SYBH

			
你的鼓励将是我创作的最大动力

		

	

	

			

	

	

    ¥1
    ¥2
    ¥4
    ¥6
    ¥10
    ¥20
	

	

		

			

				

					扫码支付：¥1
				

				

					

					
					获取中
					

				

				

					
					
					扫码支付
				

			

		

		

			
您的余额不足，请更换扫码支付或充值

			
打赏作者

		

	



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值