machine-learning - 如何使用视频数据集训练分类器

Question

如果我有一个特定动作的视频数据集，我怎么能用它们来训练一个分类器，以后可以用来分类这个动作。

Answer 1

这个问题非常笼统。一般来说，没有一种万无一失的方法来训练一个适用于所有事情的分类器。这在很大程度上取决于您正在使用的数据。

这是“通用”管道：

• 从视频中提取特征
• 标记你的特征（对你正在寻找的行动是积极的；否则是消极的）
• 将您的数据分成 2（或 3）组。一个用于训练，一个用于测试，另一个用于验证
• 在标记示例上训练分类器（例如 SVM、神经网络、最近邻...）
• 验证验证数据上的结果，如果这适用于算法
• 对未用于训练的数据进行测试。

您可以从这里开始使用一些机器学习工具http://www.cs.waikato.ac.nz/ml/weka/

确保您从不出于测试以外的任何其他目的接触测试数据

祝你好运

Answer 2

差不多 10 年后，这是一个更新的答案。

1. 设置摄像头并收集原始视频数据
2. 以单帧的形式将其保存在某处。自己在本地或使用云存储桶或使用Sieve API 之类的服务执行此操作。有用的回购链接在这里。
3. 从 Sieve 或云存储桶导出以获取标记的数据。自己执行此操作或使用Scale Rapid 之类的服务。
4. 将数据集拆分为训练、测试和验证。
5. 在标记的样本上训练分类器。在一些现有模型上使用迁移学习并仅微调最后几层。
6. 在每个训练时期后在测试集上运行您的模型，并保存具有最佳测试集性能的模型。
7. 最后使用验证集评估您的模型。

有很多 repos 可以帮助你入门：https ://github.com/weiaicunzai/awesome-image-classification

可以帮助您确保获得最佳结果的两件事包括 1.高质量的标记数据和 2.多样化的精选数据集。这就是Sieve可以提供的帮助！