深度學(xué)習(xí)視頻理解之圖像分類?|?文末贈書

時間：2021-11-04 16:09:53

關(guān)鍵字：圖像分類

手機看文章

掃描二維碼
隨時隨地手機看文章

[導(dǎo)讀]根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）第47次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，截至2020年12月，中國網(wǎng)民規(guī)模達到9.89億人，其中網(wǎng)絡(luò)視頻（含短視頻）用戶規(guī)模達到9.27億人，占網(wǎng)民整體的93.7%，短視頻用戶規(guī)模為8.73億人，占網(wǎng)民整體的88.3%?；仡櫥ヂ?lián)網(wǎng)近年來的發(fā)...

根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）第47次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，截至2020年12月，中國網(wǎng)民規(guī)模達到9.89億人，其中網(wǎng)絡(luò)視頻（含短視頻）用戶規(guī)模達到9.27億人，占網(wǎng)民整體的93.7%，短視頻用戶規(guī)模為8.73億人，占網(wǎng)民整體的88.3%。

回顧互聯(lián)網(wǎng)近年來的發(fā)展歷程，伴隨著互聯(lián)網(wǎng)技術(shù)（特別是移動互聯(lián)網(wǎng)技術(shù)）的發(fā)展，內(nèi)容的主流表現(xiàn)形式經(jīng)歷了從純文本時代逐漸發(fā)展到圖文時代，再到現(xiàn)在的視頻和直播時代的過渡，相比于純文本和圖文內(nèi)容形式，視頻內(nèi)容更加豐富，對用戶更有吸引力。

隨著近年來人們拍攝視頻的需求更多、傳輸視頻的速度更快、存儲視頻的空間更大，多種場景下積累了大量的視頻數(shù)據(jù)，需要一種有效地對視頻進行管理、分析和處理的工具。

視頻理解旨在通過智能分析技術(shù)，自動化地對視頻中的內(nèi)容進行識別和解析。視頻理解算法順應(yīng)了這個時代的需求。因此，近年來受到了廣泛關(guān)注，取得了快速發(fā)展。

圖像分類（Image Classification）是視頻理解的基礎(chǔ)，視頻可以看作是由一組圖像幀（Frame）按時間順序排列而成的數(shù)據(jù)結(jié)構(gòu)，RNN（Recurrent Neural Networks，循環(huán)神經(jīng)網(wǎng)絡(luò)）對時序數(shù)據(jù)（Sequential Data）有很強的建模能力。

本文將介紹 RNN和它的兩個重要變種，即LSTM（Long Short-Term Memory，長短期記憶網(wǎng)絡(luò)）（Hochreiter