前言

歡迎大家關(guān)注有三AI的視頻課程系列，我們的視頻課程系列共分為5層境界，內(nèi)容和學(xué)習(xí)路線圖如下：

第1層：掌握學(xué)習(xí)算法必要的預(yù)備知識，包括Python編程，深度學(xué)習(xí)基礎(chǔ)，數(shù)據(jù)使用，框架使用。

第2層：掌握CV算法最底層的能力，包括模型設(shè)計基礎(chǔ)，圖像分類，模型分析。

第3層：掌握CV算法最核心的方向，包括圖像分割，目標(biāo)檢測，圖像生成，目標(biāo)跟蹤。

第4層：掌握CV算法最核心的應(yīng)用，包括人臉圖像，圖像質(zhì)量，視頻分析，圖像編輯。

第5層：掌握算法落地的關(guān)鍵技術(shù)，包括模型優(yōu)化，模型部署。

其中部分課程的主體內(nèi)容已經(jīng)更新完畢，比如數(shù)據(jù)使用/模型分析/圖像分類/圖像分割/目標(biāo)檢測/圖像生成/視頻分類/模型部署；部分課程正在重制更新中，比如模型優(yōu)化；部分課程正在計劃上線中，比如圖像編輯，請大家及時關(guān)注！

最新的完整介紹如下：【視頻課】超全深度學(xué)習(xí)路線圖，有三AI所有免費與付費的視頻課程內(nèi)容匯總！

本次給大家介紹的課程內(nèi)容是《深度學(xué)習(xí)之視頻分類：理論實踐篇》，目標(biāo)是幫助大家掌握將深度學(xué)習(xí)模型用于視頻分類與行為識別的核心技術(shù)。

為什么要學(xué)習(xí)這門課

隨著圖像識別相關(guān)領(lǐng)域的研究與應(yīng)用逐漸成熟，當(dāng)下視頻分析相關(guān)的研究和應(yīng)用所占比例越來越大，其技術(shù)也更加復(fù)雜。視頻分類和行為識別在視頻監(jiān)控與檢索、網(wǎng)絡(luò)直播、推薦系統(tǒng)等行業(yè)中有著廣泛的應(yīng)用，是深度學(xué)習(xí)在視頻分析領(lǐng)域中最底層的問題之一，非常值得關(guān)注和學(xué)習(xí)。

為了幫助大家系統(tǒng)性地學(xué)習(xí)視頻分類與行為識別相關(guān)內(nèi)容，我們推出了《深度學(xué)習(xí)之視頻分類》系列課程，目前已完成約8個小時的理論課與實踐課程，為學(xué)員深入解讀視頻分類基礎(chǔ)理論原理及經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)，經(jīng)合實際項目，將所學(xué)理論應(yīng)用于實踐。

子欲學(xué)視頻處理，視頻分類與行為識別是必學(xué)基礎(chǔ)！我們這一門課期望幫大家徹底搞定視頻分類與行為識別的學(xué)習(xí)問題！下面請聽課程的詳細(xì)介紹！

課程內(nèi)容介紹

本課程內(nèi)容將包括視頻分類的各個經(jīng)典算法理論與實踐，下面是當(dāng)前已有課程的大綱腦圖：

(1)?理論部分內(nèi)容包括：涵蓋了深度學(xué)習(xí)之視頻分類的主要模型，如3D卷積模型，雙流模型，RNN時序模型等，既有足夠的寬度，也具備有足夠的深度。我們會非常詳細(xì)地講解算法中的細(xì)節(jié)，幫助徹底消化算法原理；

(2)?實踐非常豐富。本次課程中一共已經(jīng)包含了3個實踐案例，分別為基于3D卷積模型的視頻分類實戰(zhàn)，基于雙流模型的視頻分類實戰(zhàn)，基于時序模型的視頻分類實戰(zhàn)，1個案例結(jié)果圖如下：

下面簡單了解一下各部分的內(nèi)容：

(1) 視頻分類基礎(chǔ)講解，包括視頻分類的基本概念，常見數(shù)據(jù)集介紹，約20分鐘，本部分內(nèi)容可以免費收聽。

(2) 3D卷積模型（基礎(chǔ)篇），包括3D卷積原理，基礎(chǔ)3D卷積模型與深度3D卷積模型，約30分鐘，本部分內(nèi)容可以免費收聽。

(3)?3D卷積模型（分解篇），包括卷積拆分原理，經(jīng)典的3D卷積分解模型及其探索，約40分鐘。

(4) 雙流模型（基礎(chǔ)篇）講解，包括基本的雙流模型，雙流模型融合策略，3D雙流模型，約30分鐘。

(5)?雙流模型（采樣篇）講解，包括時序分段采樣模型，時序分頻采樣模型，約35分鐘。

(6) RNN/LSTM模型，Conv-LSTM模型。介紹的內(nèi)容主要包括CNN，LSTM，Conv-LSTM模型的原理，時長約30分鐘。

(7) 3D卷積模型實戰(zhàn)，包括項目簡介，數(shù)據(jù)處理，模型定義，模型訓(xùn)練，模型測試，約80分鐘。

(8) 雙流模型實戰(zhàn)，包括項目簡介，數(shù)據(jù)處理，模型定義，模型訓(xùn)練，模型測試，約60分鐘。

(9)?基于Conv-LSTM模型的視頻分類實踐。介紹的內(nèi)容主要包括原理簡介，數(shù)據(jù)處理，模型搭建，模型訓(xùn)練，模型測試，時長約100分鐘。

完整的課程內(nèi)容目錄可見腦圖如下：

本課程講師為言有三，講師簡介如下：

龍鵬，筆名言有三，技術(shù)社區(qū)《有三AI》創(chuàng)始人。先后就讀于華中科技大學(xué)(2008-2012)，中國科學(xué)院半導(dǎo)體研究所神經(jīng)網(wǎng)絡(luò)實驗室(2012-2015)，先后就職于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度學(xué)習(xí)實驗室(2017.5-2019.3)，深度學(xué)習(xí)算法專家，阿里云MVP，華為云MVP。

擁有超過7年的計算機(jī)視覺從業(yè)經(jīng)驗，擁有豐富的傳統(tǒng)圖像算法和深度學(xué)習(xí)計算機(jī)視覺項目經(jīng)驗，著有書籍《深度學(xué)習(xí)之圖像識別：核心技術(shù)與案例實戰(zhàn)》(機(jī)械工業(yè)出版社2019.4)，《深度學(xué)習(xí)之模型設(shè)計：核心算法與案例實踐》(電子工業(yè)出版社2020.6)，《深度學(xué)習(xí)之人臉圖像處理：核心算法與案例實戰(zhàn)》(機(jī)械工業(yè)出版社2020.7)，《深度學(xué)習(xí)之?dāng)z影圖像處理：核心算法與案例精粹》(人民郵電出版社2021.4)，擁有10余項發(fā)明技術(shù)專利與學(xué)術(shù)論文。

擅長領(lǐng)域：Caffe，Tensorflow，Pytorch等主流深度學(xué)習(xí)平臺。神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)理論，深度學(xué)習(xí)模型設(shè)計與優(yōu)化，計算機(jī)視覺的基礎(chǔ)領(lǐng)域，AI美學(xué)，2D與3D人臉?biāo)惴?#xff0c;生成對抗網(wǎng)絡(luò)GAN等領(lǐng)域。

本課程是視頻分析課程的其中一部分，屬于有三AI整個課程體系中的中階課程，對大家的能力有一些要求，包括：

(1) 掌握計算機(jī)視覺基礎(chǔ)方法。包括CV基礎(chǔ)方向中的圖像分類，目標(biāo)檢測。

(2) 熟練使用深度學(xué)習(xí)框架與基礎(chǔ)模型。包括Pytorch，常用的2D/3D/時序模型。

如何獲取課程

訂閱《深度學(xué)習(xí)之視頻分類》專欄，本專欄定價為299，后續(xù)若有內(nèi)容增加還會進(jìn)行價格調(diào)整，感興趣的請?zhí)崆坝嗛?#xff0c;鏈接如下：

完整課程目錄如下：

往期相關(guān)

• 【視頻課】超全深度學(xué)習(xí)路線圖，有三AI所有免費與付費的視頻課程內(nèi)容匯總！
  

總結(jié)

以上是生活随笔為你收集整理的【视频课】8小时系统性地掌握深度学习视频分类与行为识别理论+实践的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。