如何解决为什么 CNN 架构必须将视频分成更小的视频片段来提取 CNN 特征？
同时应用深度卷积神经网络 (CNN) 来深入了解视频表示。当前的 CNN 架构缺乏对整个视频进行建模的能力，它通常将整个视频分成几个短片段（即剪辑），然后对每个片段分别提取 CNN 特征，最后将多个片段特征聚合成一个集成表示。
我无法理解 CNN 架构的局限性，为什么使用 CNN 可以处理小视频剪辑但不能处理完整视频？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
