基于深度学习和迁移学习的体育视频分类研究

作者：李钊光

来源：电子测量技术, 2020, 43(18): 21-25.

DOI：10.19651/j.cnki.emt.2004675

• 体育视频分类
• CNN
• RNN
• 迁移学习
• VGG-16

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。

• 单位
  陕西职业技术学院