颜色分类leetcode 3D -用于动作识别的卷积神经网络用于视频分类的3D卷积神经网络的实现（作为后端）。此代码生成精度和损失图，模型图，结果和类名作为txt文件，模型作为hd5和json。您可以使用visualize_input.py制作输入图像，以最大化特定输出。此代码能够最大化任何分类模型的层输出。仅允许密集层卷积层（2D/3D）和池化层（2D/3D）。要求Python3、opencv3（带ffmpeg）、keras、numpy、tqdm。3dcnn.py的选项如下： --batch 批量大小，默认为128 --epoch 历元数，默认为100 --videos 存储数据集的目录名称，默认为UCF101 --nclass 要使用的类数，默认为101 --output 将保存上述结果的目录 --color 使用RGB图像或灰度图像，默认为False --skip 间隔或连续获取帧，默认为True --depth 要使用的帧数，默认为10。3dcnn_ensemble.py的选项与3dcnn.py的选项几乎相同。