针对已有深度特征用于视频分类精度较低的不足,提出了一种新的基于视频时空域深度特征两级编码融合的视频分类方法.首先基于两个深度卷积神经网络模型分别提取视频帧的深度空域信息和深度时域信息;然后依次采用Fisher向量和局部聚合对上述时空域的深度信息进行两级级联编码,实现对视频的高效表征;最后基于两级编码后的时空域联合深度特征,利用支持向量机进行分类.在UCF101上的实验结果表明,与已有的方法相比,算法具有更好的分类精度.

Video-Classification-2-Stream-CNN, 2流CNN视频分类 基于两流的视频分类算法我们分别利用 VGG-16 和cnn的空间和时序流对视频信息进行建模。 LSTMs堆叠在CNNs之上，用于建模视频帧之间的长期依赖关系。 有关更多信息，请参阅以下文件：两流卷积网络在视频识别中的动作识别用于视频分

https://github.com/kenshohara/3D-ResNets-PyTorch中的预训练模型，https://drive.google.com/drive/folders/1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M

https://github.com/kenshohara/3D-ResNets-PyTorch中的预训练模型，https://drive.google.com/drive/folders/1zvl89AgFAApbH0At-gMuZSeQB_LpNP-M

通过改造Inception_v2达到视频分类的目的

该readme文件详细介绍了https://github.com/kenshohara/3D-ResNets-PyTorch这个repo中的ResNet3D的使用方法，并将其用于一个新的打架数据集的视频分类任务

使用2D卷积神经网络+LSTM实现视频动作分类，包括两类视频训练样本，每一类共100多个。使用pycharm即可导入运行，准确率并不高，可以自行修改优化