视频分类数据集介绍

最新推荐文章于 2024-08-18 18:16:35 发布
最新推荐文章于 2024-08-18 18:16:35 发布
阅读量2.2w 收藏 76
点赞数 12
分类专栏： 深度学习 文章标签： 深度学习 计算机视觉 数据集
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.csdn.net/dake1994/article/details/82591852
版权

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、姿态变化、物体比例变化、背景变化、光纤变化等。

101类动作可以分为5类：人与物体互动、人体动作、人与人互动、乐器演奏、体育运动。

参考文档：http://crcv.ucf.edu/papers/UCF101_CRCV-TR-12-01.pdf

最低0.47元/天 解锁文章
single-coder
关注
专栏目录
视频分类数据集
自由小兵儿
07-14 1833
图片分类已经被卷爆了，视频理解是一个新的领域，笔者从事这个领域已经快一年。水了这个领域快一年了。相信大家都想对数据进行分析，然后发一个引导人类进步的论文。搞视频TM搞得心态有点炸裂，数据集太大了。笔者整理了一些数据集放到了公众号。......
基于卷积神经网络的大规模视频分类数据集
01-23
基于卷积神经网络的大规模视频分类数据集 数据说明： Sports-1M数据集采用Creative ommons 3.0授权，包含1133,158个视频网址，这些网址已使用Youube opis API自动标注了487个体育标签。
Tensorflow 2.0 视频分类(一) 数据集
Forrest97的博客
05-14 1249
数据集 UCF-101（最常见） 2013年中央佛羅里達大學(UCF) center for research in computer vision发布从YouTube上爬的101类人员运动识别数据集。 ICCV’13 运动识别竞赛的Benchmark 关键参数 共有13320个视频片段，分为25个组，每个组再分为4-7个视频类，共组成101类： The action categories for...
slowfast官方数据集复现版（AVA）及yaml文件介绍
最新发布
strewberry4的博客
08-18 930
记录了一下ava官方数据集的复现过程，以及对slowfast源代码中yaml文件的解释
深度学习视频数据集（动作识别）：UCF-101
热门推荐
米之炼金术师的博客
06-30 1万+
UCF-101 官网：https://www.crcv.ucf.edu/research/data-sets/ucf101/ 网盘：链接：https://pan.baidu.com/s/1RsJuykWyUlQ4_c1TwqxR_Q 提取码：909g 官方解释 UCF101是一个现实动作视频的动作识别数据集，收集自YouTube，提供了来自101个动作类别的13320个视频。 该数据集是UCF50数据集的扩展，UCF50数据集有50个动作类别。 UCF101在动作方面提供了最大的多样性，并且在摄像机运动、对
视频分类之数据集介绍
qq_51511878的博客
08-22 1914
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。
视频分类数据集dance和driving
03-17
包括dance和driving两类视频数据集，各约50个视频文件，可以用于学习训练视频分类模型（包括dance和driving两类视频数据集，各约50个视频文件，可以用于学习训练视频分类模型、包括dance和driving两类视频数据集，各约50个视频文件，可以用于学习训练视频分类模型）
视频数据集
u011994454的博客
07-08 4801
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. ..
Videos-Classification-Datasets:视频分类数据集和论文
03-28
视频分类数据集 视频分类数据集和论文。 第一部分：ImageNet论文 年 杂志 数据集 号码 班级 任务类型 苏打 主页 出版物 2009年 心肺复苏术 Year DataSets Videos Calsses Type of Task SOTA Websites Publication CVPR 2009 ImageNet ImageNet：大型分层图像数据库AAAI 2012 ImageNet 视觉对象检测的众包注释ICCV 2013 ImageNet 检测鳄梨到西葫芦：我们做了什么，我们要去哪里？ AMC（CHI）2014 ImageNet 可扩展的多标签注释IJCV 2015 ImageNet ImageNet大规模视觉识别挑战赛 第一部分：视频文件 <style> table th：first-of-type {width：150px; } </ style> 年 杂志
跌倒检测数据集数据集数据集
03-11
视频链接如下： https://www.bilibili.com/video/BV16Z4y127w3/?vd_source=6ea7a224dd878fde411995c70d3c5adb#reply118347089152 看好多人要数据集，可能看不到，就存在这里吧。
基于Hive的项目实战视频数据集
02-27
基于Hive的项目实战视频数据集 videoId string, uploader string, age int, category array, length int, views int, rate float, ratings int, comments int, relatedId array
100多万个视频短片数据集来啦！
AI科技大本营
03-13 2459
本文经授权转载自 IEEE电气电子工程师学会（ID: IEEE_China） Python规划学习路线图，速领取？ https://edu.csdn.net/topic/python115?utm_source=csdn_bw 想象一下，如果我们必须向外星人解释地球上发生的所有行为。我们可以为他们提供非小说类书籍或BBC纪录片。我们可以尝试口头解释什么是电臀舞。但是...
C3D进行视频分类：使用自己数据集
waiyayaya的博客
10-21 867
在C3D视频分类的基础上，改用自己的数据集
视频压缩和分析方面数据集 Tencent Video Dataset (TVD)
mqy19960330的博客
06-11 1529
Tencent Video Dataset
医学视频数据集
u013313168的专栏
05-04 691
1、SARAS-MESAD SARAS challenge on Multi-domain Endoscopic Surgeon Action Detection —SARAS-MESAD— 2、Surgical Action Triplet Recognition 2021 https://cholectriplet2021.grand-challenge.org/ 3、The ITEC LapGyn4 Gynecologic Laparoscopy Image Dataset (v1.2) http:/
视频理解中常用的数据集
阿耀的博客
10-14 5529
视频理解中常用的数据集
【知识星球】视频分类/行为识别网络和数据集上新
hacker_long的专栏
07-15 624
欢迎大家来到《知识星球》专栏，这两天有三AI知识星球专注更新3D卷积和视频分类/行为识别相关的网络以及相关数据集的介绍和下载。作者&编辑 | 言有三有三AI知识星...
视频分类数据集怎么使用
04-04
要使用视频分类数据集，需要遵循以下步骤： 1. 下载数据集：可以从公共数据集库（如Kaggle）或相应研究论文的数据集链接中下载数据集。 2. 数据预处理：对于视频数据集，通常需要对视频进行帧提取，并将每个帧转换为图像格式。还需要将数据集分成训练集、验证集和测试集。 3. 数据增强：可以使用数据增强技术来增加数据集的大小和多样性，以提高分类器的性能。如图像旋转、缩放、翻转等操作。 4. 训练模型：使用深度学习算法（如卷积神经网络）来训练分类器。可以使用开源深度学习框架（如TensorFlow、Keras）来快速搭建模型。 5. 模型评估：使用测试集来评估模型的性能。可以计算模型的准确率、召回率、F1-score等指标。 6. 部署模型：将训练好的模型部署到实际应用中，对新的视频进行分类预测。 需要注意的是，视频分类数据集通常比较大，需要较高的计算资源和存储空间。同时，训练深度学习模型需要较长的时间。因此，建议使用GPU加速计算，以提高训练效率。
评论 5
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
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