Keras ucf-101的lstm评价方法
我感兴趣的是通过结合CNN和LSTM对UCF-101中的人类活动进行分类。 在UCF-101中，101个类有多个视频，每个视频有一个目标。 据我所知，UCF-101中的视频是通过帧率进行预处理的。 视频的许多帧在一个时间步被捕获。 根据预处理，来自一个视频的多个帧具有每个类。 在许多论文中，他们用每个类别（混淆矩阵）的分类精度来验证模型的准确性 最终结果是单个视频的类精度或多个预处理帧的类精度Keras ucf-101的lstm评价方法,keras,deep-learning,classification,lstm,cnn,Keras,Deep Learning,Classification,Lstm,Cnn,我感兴趣的是通过结合CNN和LSTM对UCF-101中的人类活动进行分类。 在UCF-101中，101个类有多个视频，每个视频有一个目标。 据我所知，UCF-101中的视频是通过帧率进行预处理的。 视频的许多帧在一个时间步被捕获。 根据预处理，来自一个视频的多个帧具有每个类。 在许多论文中，他们用每个类别（混淆矩阵）的分类精度来验证模型的准确性 最终结果是单个视频的类精度或多个预处理帧的类精度