基于深度学习的视频分类

视频分析相对于图像分析更加复杂，本文主要是记录一些关于利用深度学习进行视频分析的一些知识，里面的一些理解仅代表个人观点，如有不正确的地方欢迎留言交流（不接受批评。。。），整理不易，如有引用与转载，请注明出处。

视频与图像

---

更新时间：2020-08-05

图像数据增加一个时间维度即是视频，因此视频是由一系列的图像构成的。图像具有空间特征、视频具有时间特征，将两个特征放在一起分析，可以得到比仅用图像的空间特征获得更好的结果。增加了时间维度相应的会产生很大的空间，因此增加了模型训练与推断的复杂性。当我们用图像模型来处理视频时，必须考虑到时间维度特征来改变深度学习模型的架构。

视频分类概念

视频分类的目的是给视频标记类别。从字面理解视频分类可以任务是在整个视频上进行标记类别，但是视频是由一帧帧图像构成的，因此类别标记也可以在帧级别上。视频中可能会执行某些动作或任务（比如人体跌倒），因此，视频分类可以标记视频中的出现的目标或者视频中发生的动作。

视频分类数据集

视频分割

融合并行CNN进行分类

长时间视频分类

双CNN视频动作识别

3D卷积时间维度学习

轨迹视频分类

多模特融合视频分类

区域attention视频分类