深度學(xué)習(xí)視頻理解之圖像分類?|?文末贈(zèng)書

時(shí)間：2021-11-04 16:09:53

關(guān)鍵字：圖像分類

手機(jī)看文章

掃描二維碼
隨時(shí)隨地手機(jī)看文章

[導(dǎo)讀]根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）第47次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2020年12月，中國(guó)網(wǎng)民規(guī)模達(dá)到9.89億人，其中網(wǎng)絡(luò)視頻（含短視頻）用戶規(guī)模達(dá)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(lái)的發(fā)...

根據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）第47次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2020年12月，中國(guó)網(wǎng)民規(guī)模達(dá)到9.89億人，其中網(wǎng)絡(luò)視頻（含短視頻）用戶規(guī)模達(dá)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(lái)的發(fā)展歷程，伴隨著互聯(lián)網(wǎng)技術(shù)（特別是移動(dòng)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(shí)代逐漸發(fā)展到圖文時(shí)代，再到現(xiàn)在的視頻和直播時(shí)代的過(guò)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(duì)用戶更有吸引力。

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

視頻理解旨在通過(guò)智能分析技術(shù)，自動(dòng)化地對(duì)視頻中的內(nèi)容進(jìn)行識(shí)別和解析。視頻理解算法順應(yīng)了這個(gè)時(shí)代的需求。因此，近年來(lái)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(shí)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(duì)時(shí)序數(shù)據(jù)（Sequential Data）有很強(qiáng)的建模能力。

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