something something视频识别数据集

您好，关于视频识别数据集，常用的有以下几种：

1. UCF101: 该数据集包含101个不同的动作类别，共计约13320个视频片段，来自大约1000个不同的视频。数据集中的每个视频都在帧级别上注释，可以用于动作识别任务。

2. Kinetics: 该数据集包括400多个动作类别，超过300,000个视频片段，并且是当前最大的视频动作识别数据集之一。

3. HMDB51: 该数据集包含51个动作类别，共计约7,000个视频片段。数据集中的每个视频都在帧级别上注释，可以用于动作识别任务。

4. Sports-1M: 该数据集包含超过1,000,000个视频片段，来自487个不同的体育节目。数据集中每个视频都具有时间段注释，可以用于体育动作识别任务。

5. ActivityNet: 该数据集包括200多个动作类别，共计约10,000个视频片段，并且是当前最大的多标签视频动作识别数据集之一。

这些数据集可以用于训练视频识别模型，包括基于深度学习的模型。

相关问题

something-something视频数据集

您是在询问关于视频数据集的信息吗？视频数据集是指用于训练和评估视频分析、计算机视觉和深度学习模型的数据集。这些数据集通常包括视频、图像、音频和元数据等多种类型的数据。

常见的视频数据集包括：

1. ImageNet Video：包含超过4,000小时的视频数据，用于图像分类和目标检测任务。

2. UCF101：包含101个不同的行为类别的视频数据集，用于动作识别任务。

3. Kinetics：包含超过600,000个视频剪辑，用于视频分类和动作识别任务。

4. ActivityNet：包含10,000个视频数据集，用于多任务视频理解。

5. AVA：包含430多小时的视频数据集，用于行为定位和分类任务。

这些数据集都是大规模的、经过精心标注的数据集，可以帮助研究人员训练更准确的模型，从而提高计算机视觉算法的性能。

Something-Something V2数据集

Something-Something V2是一个大规模的视频理解数据集，包含220,847个视频剪辑，每个剪辑都包含与动作相关的人类行为。该数据集是通过众包来收集的，其中包括了50,000个不同的动作标签。该数据集的目的是提供一个用于训练和评估视频行为识别算法的基准。它可以用于各种视频理解任务，如视频分类、行为识别、动作检测等。该数据集在2018年发布，是第一版Something-Something数据集的升级版。