Neural network 时间相关特征的卷积神经网络

我需要从一系列图像中进行降维。更具体地说，每个图像都是一个球运动的快照，最佳特征是它的位置和速度。据我所知，CNN在减少图像分类功能方面是最先进的，但在这种情况下，只提供了一帧。如果在不同的时间步长上有许多图像，是否也可以提取与时间相关的特征？否则，这样做的最先进技术是什么

---

这是我第一次使用CNN，我也非常感谢任何参考资料或任何其他建议。

如果你想让网络以某种方式识别一个与时间相关的进程，你可能应该研究递归神经网络（RNN）。由于您将在视频上操作，因此您应该研究递归卷积神经网络（RCNN），如：

重复添加一些输入数据先前状态的内存。请参见Karpathy的这一很好的解释：

在您的情况下，您需要在多个图像中重复，而不是仅在一个图像中重复。看起来您需要解决的第一个问题是图像分割问题（能够从图像的其余部分中挑出球），上面链接的第一篇文章是关于分割的。（再说一遍，也许你是想利用移动来识别移动的物体？）

---

这里还有另一个想法：也许您只能查看连续帧之间的差异，并将其用作您的convnet的输入数据？然后，输入的“图像”将显示运动对象在前一帧中的位置以及在当前帧中的位置。差异越大，移动量越大。这可能会产生与使用循环网络类似的效果。

谢谢！RCNN似乎是我需要的，这篇论文非常有趣。我想我应该尝试这样的方法：我给RCNN提供X个连续的图片，它应该能很好地近似表示场景的特征，同时考虑到球运动的差异。