视频分类任务目的
视频分类是给定一个视频，为其划分到指定的类别中。视频分类与图像分类相似，不同点在于图像分类是给定单张图片进行划分类别，视频分类是给定连续的图片数据，进行类别的划分。
视频分类任务数据集
- UCF101：UCF101是一个现实动作视频的动作识别数据集，收集自YouTube，提供了来自101个动作类别的13320个视频。数据官方：link。
- Kinetics-400：Kinetics-400是一个大规模，高质量的YouTube视频网址数据集，其中包含 400 个动作类别。
- Kinetics-600： Kinetics-600 是 Kinetics-400 数据集的一个扩展。其中包含 600 个动作类别。
目前学术界主要以Kinetics-400、Kinetics-600为评估标准，并制作了大量预训练模型
视频分类模型
现阶段的模型主要以3d卷积和transformer为主，比较经典的模型有C3D、SlowFast论文地址，基于transformer的模型结构有MViT、Swin Transformer论文地址
我是基于pytorch进行工作和研究的，我目前发现pytorch提供如下预训练模型：
预训练模型准确度如下：
视频分类应用场景
- 直播平台鉴别违规行为
- 工厂监督生产
- 安防监控
如何训练模型和部署
由于视频分类涉及的内容较多，我想分多篇博客进行详细的讲解，在接下来的博客中我会详细讲述数据的预处理、模型的选型、训练与部署，如果对我的内容感兴趣，欢迎点赞收藏。
结尾
欢迎大家在评论区讨论、学习！
B站：Silver__Wolf_
Q：130856474