استغلال هياكل CNN المدربة على الصور لتصنيف الفيديو غير المقيد

نجري استكشافًا عميقًا لاستراتيجيات مختلفة لكشف الأحداث في الفيديوهات باستخدام الشبكات العصبية التلافيفية (CNNs) المدربة لتصنيف الصور. ندرس طرقًا مختلفة لأداء التجميع المكاني والزماني، وتطبيع الميزات، واختيار طبقات CNN بالإضافة إلى اختيار المصنفات. أدت الخيارات الحكيمة على هذه الأبعاد إلى زيادة كبيرة في الأداء مقارنةً بتلك الأساليب الأكثر بساطة التي كانت مستخدمة حتى الآن. نقوم بتقييم نهجنا على مجموعة بيانات TRECVID MED'14 التحديّة باستخدام اثنين من هياكل CNN المشهورة المدربة مسبقًا على ImageNet. على مجموعة بيانات MED'14، يمكن أن تتفوق أساليبنا، التي تعتمد تمامًا على ميزات CNN المدربة على الصور، على العديد من النماذج غير الـ CNN الحديثة. يمكن أن يزيد الدمج المتأخر المقترح لميزات CNN والميزات المعتمدة على الحركة من متوسط دقة التقييم (mAP) على MED'14 من 34.95٪ إلى 38.74٪. يحقق نهج الدمج أداءً رائدًا في التصنيف على مجموعة بيانات UCF-101 التحديّة.