主要介绍了在Keras中CNN联合LSTM进行分类实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

使用2D卷积神经网络+LSTM实现视频动作分类，包括两类视频训练样本，每一类共100多个。使用pycharm即可导入运行，准确率并不高，可以自行修改优化

针对群体情绪识别准确率的问题，结合卷积神经网络（CNN）与长短期记忆网络（LSTM），提出一种多流CNN-LSTM网络模型学习群体情绪的静态和动态特征。以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。

完整工程案例：图像描述---Show and Tell: A Neural Image Caption Generator，基于Inception V3与LSTM实现图像描述，运行环境（Tensorflow1.0及以上，Python3.6）