我正在对具有两个类别的数据集执行视频分类（例如，板球活动和广告之间的分类）。我在训练数据集上有〜1000个视频，在测试数据集中有〜300个视频。
我正在参考以下链接：
Five video classification methods implemented in Keras and TensorFlow
Continuous online video classification with TensorFlow, Inception and a Raspberry Pi
我的数据集包含同一视频中的两个活动（打板球和打广告）。
由于时间特征在视频分类中很重要，因此我计划应用CNN + LSTM / 3D CNN / opticalFlow模型。但是，我怀疑上述链接中的给定方法在这种情况下是否行得通，因为它希望根据标签将火车数据集视频分开。
另一个问题是，在对包含多个标签的视频进行分类时，时间特征是否有助于提高分类准确性并减少闪烁？