深度学习视频理解

视频理解是计算机视觉和深度学习的一个重要分支。本书对视频理解的3个重要领域进行介绍，对于每个领域，本书不仅解释了相关算法的原理，还梳理了算法演进的脉络。全书共分6章，第1章简要介绍视频行业的发展历程；第2章回顾经典图像分类模型和RNN；第3章和第4章介绍动作识别的重要算法；第5章介绍时序动作定位的重要算法；第6章介绍视频Embedding的重要算法。最后总结了常用的一些视频处理工具。 本书既适合高等院校人工智能相关专业的本科生和研究生阅读，也可供视频理解、推荐系统、搜索引擎和计算广告等领域的研究人员和从业者参考。

这是一本全面深入探讨视频理解领域的书籍，涵盖了视频理解的重要领域，包括动作识别、时序动作定位和视频Embedding等。本书不仅解释了相关算法的原理，还梳理了算法演进的脉络。全书共分6章，第1章简要介绍视频行业的发展历程；第2章回顾经典图像分类模型和RNN；第3章和第4章介绍动作识别的重要算法；第5章介绍时序动作定位的重要算法；第6章介绍视频Embedding的重要算法。 书中详细介绍了视频理解的定义和目标，旨在通过智能分析技术，自动化地对视频中的内容进行识别和解析。智能分析技术通常是指机器学习中的深度学习技术。 本书还详细介绍了图像分类网络回顾，主要介绍了图像分类在视频理解中的基础作用，以及图像分类网络的重要思想和设计理念。图像分类网络是动作识别算法的基础骨架，而动作识别是视频理解的基础。此外，RNN(循环神经网络) 及其两个重要变种LSTM(长短期记忆网络) 和GRU(门控循环单元) ，因其对时序数据的强大建模能力，在视频理解中也扮演了重要角色。 书中还详细介绍了基于2D卷积的动作识别方法，通过利用图像分类模型提取视频帧特征，然后进行特征融合的动作识别方法。这种方法可以快速吸