机器学习笔记 - 构建自己的视频分类模型的分步教程

一、概述

        视频可能很难处理，收集数据比较难，训练需要资源更多，最终训练完能达到的效果通常不会是一个让人觉得十分不错的程度。但是视频分析领域变得越来越重要，更多的科技企业持续投入，更多新的模型算法不算的推出。

        这里我们先进行视频分类的了解，视频分类问题与图像分类问题没有太大不同。主要是一帧图像和一些列图像的差异。

        对于图像分类任务，我们获取图像，使用特征提取器（如卷积神经网络或 CNN）从图像中提取特征，然后根据这些提取的特征对该图像进行分类。对于视频分类，我们首先从给定视频中提取帧。然后，我们可以遵循与图像分类任务相同的步骤。这是处理视频数据的最基本的方法。

这里的方法实际上还是单帧图像进行训练分类。

二、数据集

1、数据集概述

        这里使用UCF101 - 动作识别数据集，该数据集由属于 101 个不同类别的 13,320 个不同视频片段组成，从YouTube收集。

        101个动作类别的视频分为25组，每组可以包含4-7个动作视频。来自同一组的视频可能具有一些共同特征，例如相似的背景、相似的观点等。

        动作类别可分为五种类型：1）