-
题名基于3D卷积的视频错帧筛选方法
- 1
-
-
作者
缪宇杰
吴智钧
宫婧
-
机构
南京邮电大学物联网学院
南京邮电大学理学院
-
出处
《计算机技术与发展》
2018年第5期179-181,186,共4页
-
基金
国家自然科学基金(61373135)
南京市六大高峰人才资助项目(C类)
-
文摘
为了提取更好的视频特征,提高训练精准度,提出了一个基于CNN(convolutional neural network,卷积神经网络)的错帧筛选模型。所谓错帧,是指在时间上乱序的帧序列,相反,有序帧是指遵守时间顺序的帧序列。其目标是从若干组帧序列中,筛选出顺序错误的一组帧序列。采用无监督学习的方法来训练模型,因此不需要依赖有标签的数据集。基于这个模型的目标以及无标签的训练方式,采用了一个多分支的CNN结构,并且是端到端的。其输入的若干组帧序列从视频中采样获得,分别进行3D卷积编码后,能够提取出每组帧序列在时间和空间上的特征。为了找出帧顺序有误的一组序列,该模型对每组帧序列进行对比,找出它们之间的共同规则,从而筛选出违背此规则的那一组序列。在UCF101数据集上的实验结果证实了该方法的有效性,错帧筛选的准确率高。
-
关键词
无监督学习
卷积神经网络
错帧筛选
3D卷积
-
Keywords
unsupervised learning
CNN
frame- sequence identification
3 D convolution
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-