论文阅读：Weakly-Supervised Action Localization with Expectation-Maximization Multi-Instance Learning

Method

E Step

1. 更新$\phi$ 通过最小化$KL(q_{\phi }(z|X)||p_{\theta }(z|X,y_c))$。
2. 这里假设posterior $p_{\theta }(z_t|X_t,y_c)$与分类分数成正比，因此更新$q_{\phi }$使用从分类分数得到的伪标签。
3. 伪标签设置如下：（就是说，如果视频中包含第$c$类并且在第$t$帧的预测大于平均值，则认为是行为。）
   
4. 使用二值交叉熵损失：
   

M Step

1. 更新$p_{\theta }$
2. 伪标签：
3. 使用交叉熵损失：