资料分享 | 机器学习视频应用（待续）

 

　　短短几年内图像识别这个任务已经做的很不错了。当然还有一些更有挑战性的任务，像语义分割等等。虽然图像上已经有了很大的进步，但视频方面却还是差的很远。视频信号相比于图像信号有更大的挑战，因为它是一个更高维的信号，里面的内容多样性也非常大。所以要去判断它、理解它都很困难，当然数据量很大也是另外一个问题。还有一个问题，在很多情况下，视频是实时的，比如监控，因此在处理速度等各方面都有很大的要求。而且标注视频数据时每一帧都要标注，也很耗费时间、精力和成本。这也是为什么视频发展相比图像来讲还是落后一些。缺少训练数据又是另外一个问题，如监控录像的数据很难获得。要解决这个问题，不能像其他视频一样可以从视频网站上找到很多数据做训练，所以发展也受到了阻碍，会稍微慢一点。

 1 入门

1.《入门|一文概览视频目标分割》

• 翻译及推送：https://mp.weixin.qq.com/s/pGrzmq5aGoLb2uiJRYAXVw
• 原文链接：https://medium.com/@eddiesmo/video-object-segmentation-the-basics-758e77321914

 

2.理解

1. 知乎：关于机器学习的应用一般都用什么语言和平台？具体到视频分析用什么软件来分析？

• 　　知乎链接：https://www.zhihu.com/question/38337424/answer/75963314

• 　　张运明：“关于视频分析，我从我从事的智能监控方面来讲一下，其实就是图像的处理，首先要提取视频中的运动物体，常用算法有：帧差法，GMM，vibe等；提取前景（运动物体）后对其进行跟踪，跟踪的主要算法有：camshift，粒子滤波，TLD，压缩感知等；以及之后对监控视频的去模糊，去雾，夜视增强，行人检测，车牌检测，上下身颜色识别，人车分类、视频浓缩，不过这些，都可基于opencv来实现。”

 

 

3.应用

1.《从网络嘈杂的视频中进行学习》

• 学术论文：Learning to Learn from Noisy Web Videos

•  相关报道：《 学界 | 李飞飞协同斯坦福、CMU带来全新成果：从网络嘈杂的视频中进行学习》

2.《识别视视频中的人类活动》

• 2017年ActivityNet大数据活动识别挑战赛官网：http://activity-net.org/challenges/2017/
• 《Recognizing human actions in videos》by Twenty Billion Neurons 文章网盘链接：https://pan.baidu.com/s/1eSvQA6Q ​​​​