基于深度学习和迁移学习的体育视频分类研究

• 作者: 李钊光
• 来源期刊: 电子测量技术
• 关键词: 体育视频分类 CNN RNN 迁移学习 VGG-16
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 研究与设计|Research and Design
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP39
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004675

摘要

随着信息技术的飞速发展,数字内容呈现爆炸式增长的趋势.体育视频分类对于服务器中的数字内容存档具有相当重要的意义,因此利用深度神经网络(DNN),并结合卷积神经网络(CNN)和循环神经网络(RNN)实现对15种体育类别的准确分类.为了使训练出的基于运动动作进行分类的模型具有更高的准确性,从YouTube中搜集体育视频并将这些体育视频制作成数据集.通过将CNN提取的特征与RNN中的时间信息相结合,建立了用以解决体育视频分类问题的一般模型.针对10和15种体育视频的分类问题,利用基于VGG-16模型的迁移学习设计了分类方案,使针对10和15种体育视频的测试识别准确性分别达到了94％和92％,结果表明,所提出的方案具有较高的准确性.