基于深度学习的Action Recognition（行为识别）【一】

本文也发表在： 知乎专栏

作为深度学习还未完全攻克的领域，越来越的研究者开始将目光投向视频。而Action Recognition，或者说Video Classification，作为最基本的问题，等同于图像分类。而目前深度学习方面最具代表性的方法之一，就是港中文在ECCV2016提出的Temporal Segment Networks（TSN），这也是目前的benchmark。

Website： Temporal Segment Networks - TSN

之前的模型有哪些问题？

1. 主流的CNN模型聚焦在appearance和 short-term motion，缺少学习长序列的能力。已提出的解决办法有dense temporal sampling，但是这种方法计算量很大，无法应用到大于预定length的长视频之中。

2.