ucf-101数据集对比试验结果

UCF-101是一个广泛使用的视频动作识别数据集，包含101个动作类别，每个类别约有100-300个视频剪辑。对于UCF-101数据集的比较试验通常采用准确性作为评估指标。以下是一些UCF-101数据集上的比较试验结果：

1. I3D网络：在I3D网络上进行的UCF-101分类试验中，最好的结果是由Feichtenhofer等人在2019年提出的SlowFast-I3D网络实现的，其在split1上取得了94.4%的准确率。

2. TSN网络：在TSN网络上进行的UCF-101分类试验中，最好的结果是由Wang等人在2018年提出的TSN网络实现的，其在split1上取得了94.2%的准确率。

3. R(2+1)D网络：在R(2+1)D网络上进行的UCF-101分类试验中，最好的结果是由Tran等人在2018年提出的R(2+1)D网络实现的，其在split1上取得了94.0%的准确率。

需要注意的是，这些结果是在不同的实验设置下得到的，因此不可直接进行比较。此外，UCF-101数据集已经存在多年，可能存在一些不同版本的数据集，这也可能对比较试验结果产生影响。

相关问题

UCF-Crime数据集

UCF-Crime数据集是用于监控视频中异常行为识别的数据集。它由UCF计算机视觉小组收集，包括了13种不同类型的犯罪行为，如持枪、行凶、抢劫等。数据集包含了1900多个视频片段，每个片段长度约30秒，总计超过100小时的视频。这些视频片段是从不同的监控摄像头中采集的，场景也有所不同，如银行、商店、公共场所等。UCF-Crime数据集是一个用于犯罪行为检测和分类的重要基准，已经被广泛应用于各种研究领域和应用中。