基于CNN-LSTM编解码网络的体育视频分类研究

摘要：

基于CNN-LSTM编解码网络的体育视频分类方法,利用经典的预训练模型提取视频帧空域特征并将其编码为固定长度的语义向量,通过LSTM实现对视频帧序列间的长时依赖关系的建模和语义向量解码,经过分类网络输出视频标签.在公开的具有挑战性的体育视频数据集Sports8和Olympic16上进行了深入的实验.结果表明,该CNN-LSTM编解码网络能够对视频序列的时空特性进行有效建模,在Sports8数据集上取得96.9％的平均分类准确率,比现有最好方法提高4.9％;在Olympic16数据集上取得84.73％的平均分类准确率,比现有最好方法提高约18％.

关键词：视频分类;编解码网络;体育视频;卷积神经网络;长短时记忆网络

所属期刊栏目：33

分类号：TP183(自动化基础理论)

资助基金：浙江省自然科学基金;嘉兴市科技计划项目

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：25-34