【发布时间】：2012-08-14 21:19:43
【问题描述】：
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。
【问题讨论】：
-
你必须从视频中提取数字信息。
标签： machine-learning classification
【发布时间】：2012-08-14 21:19:43
【问题描述】：
差不多 10 年后，这是一个更新的答案。
- 设置摄像头并收集原始视频数据
- 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linked here。
- 从 Sieve 或云存储桶中导出以获取标记的数据。自己执行此操作或使用Scale Rapid 等服务。
- 将数据集拆分为训练、测试和验证。
- 在标记样本上训练分类器。在一些现有模型上使用迁移学习并仅微调最后几层。
- 在每个训练周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。
- 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！
【讨论】：
这个问题很笼统。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
- 标记您的特征（对您正在寻找的操作表示正面；否则为负面）
- 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（例如 SVM、神经网络、最近邻...）上训练分类器
- 根据验证数据验证结果（如果这适用于算法）
- 对未用于训练的数据进行测试。
你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/
确保您绝不出于测试
之外的任何其他目的触摸测试数据祝你好运
【讨论】：
-
如果你有参考（教程或讲座做每一步会很棒）
-
你有参考这个特定的用例吗？