什么是新的： 2020年11月：现已上市，提供培训！ 2020-11-20：Classy Vision v0.5发布 新的功能 使用发布模型实现（＃646） 实施渐变裁剪（＃643） 已实现梯度累加（＃644） 添加了对支持（＃636） 添加了精确的批处理规范挂钩（＃592） 增加了对fully_convolutional_linear_head （＃602）中的自适应池的支持 添加了对同步批处理规范组大小的支持（＃534） 添加了CSV挂钩以手动检查模型预测 添加了ClassyModel教程（＃485） 迁移到 （＃536） 从迁移（＃488） 重大变化 ClassyOptimizer API的改进添加了OptionsView以从优化器param_group检索选项 删除了ClassyModel.evaluation_mode （＃521） 删除了ImageNetD

视频分类 动态RNN（LSTM，GRU） 使用视频完全具有的所有帧而无需填充。 静态RNN（LSTM，GRU） 使用固定数量的帧。 如果视频长度大于固定数量，则使用统一或随机采样。 如果视频长度小于固定数量，则将使用所有帧，并使用“零功能”填充视频。 汇集 平均池化 使用所有框架。 均匀采样固定数量的帧。 如果视频长度小于固定数量，则使用所有帧。 随机采样固定数量的帧。 如果视频长度小于固定数量，则使用所有帧。 最大池化 使用所有框架。 均匀采样固定数量的帧。 如果视频长度小于固定数量，则使用所有帧。 随机采样固定数量的帧。 如果视频长度小于固定数量，则使用所有帧。 对于ConvLSTM，输入（帧/图像特征）和状态为3D张量（侧面，侧面，通道）。 ConvLSTM中的操作不是完全连接，而是后果。 继续... 如果您认为此代码有用，请考虑引用与我的视频相关的作品：

图神经网络在视频分类中的应用，选自于SFFAI第27期，中科院自动化所高君宇博士的演讲稿。

用于多标签视频分类的CRF 概述 该存储库包含用于多标签视频分类的CRF结构的PyTorch实现。 它使用I3D预训练模型作为基础分类器（Joao Carreira和Andrew Zisserman在论文“ ”中报告了I3D）。 该代码基于Deepmind的和AJ Piergiovanni的I3D管道的。 要求 该代码是使用Python 3.6和 0.4.0开发的。 它需要和 。 端到端培训I3D +半/全CRF 该管道使用Deepmind的预训练的I3D模型（在ImageNet和Kinetics上进行预，有关详细信息，请参见 ）。 这些是在目录models /中找到的表示为rgb_imagenet.pt和flow_imagenet.pt的模型。 基本模型（I3D） 可以使用以下命令来训练基本模型： python train_i3d.py -dataset 'charades' -

Collective Activity 是一个集体活动的短视频数据集，它包含 5 种不同的集体活动，分别为交叉、步行、等待、交谈、排队以及 44 个短视频序列，其中一些是由消费者手持数码相机记录的。 该数据集于 2009 年由密歇根大学安娜堡分校电气工程系发布。 主要发布人：Wongun Choi, Khuram Shahid, Silvio Savarese 相关论文：《Collective Activity Classification Using Spatio-Temporal Relationship Among People》

在下载模型 自述文件正在建设中：）

使用3D ResNet进行视频分类 这是使用训练的3D ResNet进行视频（动作）分类的pytorch。 在Kinetics数据集上训练了3D ResNet，该数据集包括400个动作类。 此代码将视频用作输入，并在得分模式下输出每16帧的班级名称和预测班级得分。 在功能模式下，此代码每16帧输出512个暗角的功能（在全局平均池化之后）。 提供此代码的Torch（Lua）版本。 要求 conda install pytorch torchvision cuda80 -c soumith FFmpeg，FFprobe wget http://johnvansickle.com/ffmpeg/

CNN LSTM 带有Resnet后端的CNN LSTM用于视频分类的实现 入门 先决条件 PyTorch（需要0.4以上版本） FFmpeg，FFprobe 的Python 3 尝试自己的数据集 mkdir data mkdir data/video_data 将您的视频数据集放入data / video_data中。格式应为- + data + video_data - bowling - walking + running - running0.avi - running.avi - runnning1.avi 从视频数据集中生成图像 ./utils/generate

行业-电子政务-视频分类方法、装置、存储介质及电子设备[2].zip

行业-电子政务-视频分类模型训练方法、装置、存储介质及电子设备.zip