一组图像序列中每个图像都有分类标签，如何融合序列中的其余图像的信息对最中间的一张图像进行预测分类？

查了一下资料，简单看了一下rnn和lstm，都是对这个图像序列进行打标签进行分类预测，有没有对图像序列中的单张图像进行分类的文献和网络啊?