基于深度学习和迁移学习的体育视频分类研究

发布时间：2022-09-21 17:07

　　随着信息技术的飞速发展,数字内容呈现爆炸式增长的趋势。体育视频分类对于服务器中的数字内容存档具有相当重要的意义,因此利用深度神经网络（DNN）,并结合卷积神经网络（CNN）和循环神经网络（RNN）实现对15种体育类别的准确分类。为了使训练出的基于运动动作进行分类的模型具有更高的准确性,从YouTube中搜集体育视频并将这些体育视频制作成数据集。通过将CNN提取的特征与RNN中的时间信息相结合,建立了用以解决体育视频分类问题的一般模型。针对10和15种体育视频的分类问题,利用基于VGG-16模型的迁移学习设计了分类方案,使针对10和15种体育视频的测试识别准确性分别达到了94%和92%,结果表明,所提出的方案具有较高的准确性。 

【文章页数】：5 页

【文章目录】：
0 引 言
1 数据集生成
2 基于CNN和RNN的一般视频分类模型
3 基于VGG-16模型的迁移学习
4 仿真与数据分析
5 结 论


【参考文献】：
期刊论文
[1]迁移模式下卷积神经网络在虹膜识别中的应用[J]. 赵勇,雷欢,马敬奇,肖任翔,张寿明.  电子测量技术. 2020(09)
[2]嵌入CBAM结构的改进YOLOV3超宽带雷达生命信号检测算法[J]. 王生霄,侯兴松,黑夏萌.  国外电子测量技术. 2020(03)
[3]基于VGG16架构的中国名人面孔识别[J]. 王菽裕,吴思,靳玮琨,关琛夕,王蒙,毕冰洁.  科技风. 2020(07)
[4]基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法[J]. 孔子迁,邓蕾,汤宝平,韩延.  仪器仪表学报. 2019(06)
[5]基于级联回归网络的多尺度旋转人脸检测方法[J]. 姚树春,蔡黎亚,刘正.  电子测量与仪器学报. 2019(05)
[6]采用图融合的多模态半协同训练视频分类算法[J]. 谢娜,吴苏朋.  电子测量与仪器学报. 2019(04)
[7]基于Faster RCNN的镁还原罐工人检测算法[J]. 刘文强,辛大欣,华瑾,刘月祺.  国外电子测量技术. 2019(04)
[8]基于向量机的体育运动视频自动分类方法设计[J]. 韩东.  现代电子技术. 2019(07)
[9]基于迁移学习的航拍图像车辆目标检测方法研究[J]. 袁功霖,尹奎英,李绮雪.  电子测量技术. 2018(22)
[10]基于半监督深度网络学习的细粒度图像检索[J]. 王晓飞,李菲菲,陈虬.  电子测量技术. 2018(22)



本文编号：3680333