video-classification:TensorFlow实现视频分类-源码

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：