作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前在深度学习领域最典型的视频分类方法是3D卷积深度网络。但是3D卷积网络对于较长的视频只能把视频截成小段,分别提取特征向量,求均值,最后在特征均值基础上进行分类。均值操作会造成分类精度下降,针对此问题,提出一种改进的方法,对3D卷积方法提取的短视频特征放入LSTM进行序列识别,并通过实验来验证改进的有效性。
推荐文章
一种基于粗糙集的视频分类方法
视频分类
粗糙集
特征提取
分类规则
基于时空域深度特征两级编码融合的视频分类
视频分类
两级编码
深度学习
特征融合
基于支撑矢量机的自动视频分类方法
支撑矢量机
中心距离比值
自动视频分类
序列模式挖掘在视频分类中的应用
基于内容检索
视频分类
序列模式
视频分割
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种改进的深度学习视频分类方法
来源期刊 现代计算机:中旬刊 学科 工学
关键词 视频分类 3D卷积深度网络 LSTM 深度学习
年,卷(期) 2017,(3) 所属期刊栏目
研究方向 页码范围 66-69
页数 4页 分类号 TP391.41
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨曙光 四川大学计算机学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
视频分类
3D卷积深度网络
LSTM
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
总被引数(次)
0
论文1v1指导