期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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 《计算机技术与发展》 2018年第5期179-181,186,共4页
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... 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。 展开更多
关键词 无监督学习 卷积神经网络 错帧筛选 3D卷积
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部