隨著信息技術(shù)的飛速發(fā)展,數(shù)字內(nèi)容呈現(xiàn)爆炸式增長的趨勢。體育視頻分類對于服務(wù)器中的數(shù)字內(nèi)容存檔具有相當重要的意義,因此利用深度神經(jīng)網(wǎng)絡(luò)（DNN）,并結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）實現(xiàn)對15種體育類別的準確分類。為了使訓練出的基于運動動作進行分類的模型具有更高的準確性,從YouTube中搜集體育視頻并將這些體育視頻制作成數(shù)據(jù)集。通過將CNN提取的特征與RNN中的時間信息相結(jié)合,建立了用以解決體育視頻分類問題的一般模型。針對10和15種體育視頻的分類問題,利用基于VGG-16模型的遷移學習設(shè)計了分類方案,使針對10和15種體育視頻的測試識別準確性分別達到了94%和92%,結(jié)果表明,所提出的方案具有較高的準確性。 

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引 言
1 數(shù)據(jù)集生成
2 基于CNN和RNN的一般視頻分類模型
3 基于VGG-16模型的遷移學習
4 仿真與數(shù)據(jù)分析
5 結(jié) 論


【參考文獻】：
期刊論文
[1]遷移模式下卷積神經(jīng)網(wǎng)絡(luò)在虹膜識別中的應用[J]. 趙勇,雷歡,馬敬奇,肖任翔,張壽明.  電子測量技術(shù). 2020(09)
[2]嵌入CBAM結(jié)構(gòu)的改進YOLOV3超寬帶雷達生命信號檢測算法[J]. 王生霄,侯興松,黑夏萌.  國外電子測量技術(shù). 2020(03)
[3]基于VGG16架構(gòu)的中國名人面孔識別[J]. 王菽裕,吳思,靳瑋琨,關(guān)琛夕,王蒙,畢冰潔.  科技風. 2020(07)
[4]基于時頻融合和注意力機制的深度學習行星齒輪箱故障診斷方法[J]. 孔子遷,鄧蕾,湯寶平,韓延.  儀器儀表學報. 2019(06)
[5]基于級聯(lián)回歸網(wǎng)絡(luò)的多尺度旋轉(zhuǎn)人臉檢測方法[J]. 姚樹春,蔡黎亞,劉正.  電子測量與儀器學報. 2019(05)
[6]采用圖融合的多模態(tài)半?yún)f(xié)同訓練視頻分類算法[J]. 謝娜,吳蘇朋.  電子測量與儀器學報. 2019(04)
[7]基于Faster RCNN的鎂還原罐工人檢測算法[J]. 劉文強,辛大欣,華瑾,劉月祺.  國外電子測量技術(shù). 2019(04)
[8]基于向量機的體育運動視頻自動分類方法設(shè)計[J]. 韓東.  現(xiàn)代電子技術(shù). 2019(07)
[9]基于遷移學習的航拍圖像車輛目標檢測方法研究[J]. 袁功霖,尹奎英,李綺雪.  電子測量技術(shù). 2018(22)
[10]基于半監(jiān)督深度網(wǎng)絡(luò)學習的細粒度圖像檢索[J]. 王曉飛,李菲菲,陳虬.  電子測量技術(shù). 2018(22)



本文編號：3680333