视频理解是计算机视觉和深度学习的一个重要分支。本书对视频理
解的3个重要领域进行介绍，对于每个领域，本书不仅解释了相关算法
的原理，还梳理了算法演进的脉络。全书共分6章，第1章简要介绍视频
行业的发展历程；第2章回顾经典图像分类模型和RNN；第3章和第4章
介绍动作识别的重要算法；第5章介绍时序动作定位的重要算法；第6章
介绍视频Embedding的重要算法。最后总结了常用的一些视频处理工
具。
本书既适合高等院校人工智能相关专业的本科生和研究生阅读，也
可供视频理解、推荐系统、搜索引擎和计算广告等领域的研究人员和从
业者参考
2022-08-23 09:06:26
36.02MB
1
https://pytorchvideo.org/docs/tutorial_torchhub_inference#load-an-example-video
archery.mp4 pytorchvideo demo演示视频
2022-07-30 16:05:35
536KB
1
https://pytorchvideo.org/docs/tutorial_torchhub_inference#load-an-example-video
archery.mp4 pytorchvideo demo演示视频
2022-07-30 16:05:33
536KB
1
这些数据集在国外网站下载的太慢了，自己下载了很久，现在保存到百度网盘，方便大家下载使用，整理很是不易。希望可以得到小小的支持。
2022-03-30 13:16:50
410B
1
目前行为识别发展迅速，许多基于深度网络自动学习特征的行为识别算法被提出。深度学习方法需要大量数据来训练，对电脑存储、运算能力要求较高。在回顾了当下流行的基于深度网络的行为识别方法的基础上，着重综述了基于手动提取特征的传统行为识别方法。传统行为识别方法通常遵循对视频提取特征并进行建模和预测分类的流程，并将识别流程细分为以下几个步骤进行综述：特征采样、特征描述符选取、特征预/后处理、描述符聚类、向量编码。同时，还对评价算法性能的基准数据集进行了归纳总结。
2021-10-12 16:31:22
958KB
1