UCF101数据集

其中testlist01和trainlist01对应，对于每类合在一起是25group，其中test包括7group，train为剩余的25-7 group。每个group又包含4-7个剪辑

上图中testlist01、02、03只是交叉取group，分别是前、中、后8group。模型学习时，只取其中01对应的train和test就行

下图是用3Dharris角点词袋模型，做动作识别，1-50 运动，51–60乐器演出， 61-80 人-物交互，97-101人人交互

预定义动作类型的准确性为:运动(49.40%)、演奏乐器(42.04%)、人与物交互(36.62%)、仅身体动作(37.64%)、人与人交互(42.66%)。运动动作可以达到最高的精度，因为运动通常需要独特的动作，这使得分类更加容易。此外，与其他动作类型相比，运动片段的背景通常不那么杂乱。与体育动作不同，人机交互剪辑通常具有高度杂乱的背景。此外，信息性动作通常只占剪辑动作的一小部分，这就解释了该动作类识别精度低的原因。