我已经在UCF-101数据集上训练了SVM，CNN和ANN，SVM和ANN分别使用了Hue和LBP特征的CSV文件，而CNN使用LBP图像进行了分类训练。现在，我想结合{SVM和CNN}和{ANN和CNN}。是否可以这样做？如果是，怎么办？
我为数据集中的每个视频提取了第一个关键帧，然后计算了其LBP直方图。将其用作图像特征，并将其与标签一起写在csv中（我从101种可用数据中仅选择了5类数据），然后在其上训练SVM和ANN.ANN是在输出端具有Softmax Activation功能的简单网络，在2个隐藏层中每个隐藏层都有8个节点。不使用辍学。对于CNN，我提取了图像的LBP特征并将其转换为image。这个图像数据是我用来训练CNN的数据。 CNN网络具有输入层，卷积层，激活层，完整连接层，丢失层（dropout = 0.5）和输出层。激活功能为softmax
SVM在测试中提供10％的准确度，而ANN在1000个时代提供35％的准确度。 CNN可以在10个时间段内将测试数据的准确性提高到29％
答案 0 :(得分：0)
首先，您需要增加隐藏层或隐藏节点，因为您对CNN，ANN，SVM的准确性不好。 另外，您不必总是添加Dropout层，尤其是在这种情况下，您的准确性会很差。最初，Dropout层是为了避免过度拟合。
第二，我不知道您的SVM，CNN，ANN代码应该是什么样子。但是，按照您的说法，每个SVM，CNN，ANN代码都有可能有点错误。
所以请再次检查您的代码。