Action detection 看的第一篇，只看懂了大概思路，具体细节很多不理解，代码暂时没看懂，后面了解多了再返回来看吧。
代码：https://github.com/yjxiong/action-detection
首先用Temporal Actionness Grouping(TAG)这个方法得到候选片段，之后利用时间金字塔得到片段级别特征，经过两个分类器联合判断，得到片段类别和开始结束的时间。在THUMOS14 和 ActivityNet 两个数据集上超越了state-of-the-art。
总体结构图，对于标注片段（图中绿色框），时间上扩大2倍得到黄色框片段，分为starting,course,ending三个部分，三个部分经过CNN，之后经过时间金字塔（思路来源于空间金字塔，是一种pooling方法），实验中用到的参数是(1,(1,2),1)，starting和ending两个部分参数是1也就相当于没有做分割，根据公式，也就相当于做了average pooling。course部分参数为(1,2)图中绿色部分可以看出整段pooling和均分为2之后pooling，最终五个部分合在一起成为整段的特征。
给定一个扩展后的proposal，其包含三个阶段 psi,pci,peipis,pic,pie，分别计算特征向量 fsi,fci,feifis,fic,fie。具体来说，对于某个阶段，将其分为 LL 级时间金字塔，每一级均可以获得一个特征向量 vtvt，并且每一级被均匀划分为 BlBl 部分，对于第 ii 部分的第 ll 级（其间隔为 [sli,eli][sli,eli]），定义池化特征（pooled feature）。
之后接两个分类器
- 类别分类器：分为K+1类（K类行为+1类非行为），输入是course段的特征；
- 完整性分类器：输出是概率值，Introduction中提到结果不完整是个很大问题，所以有了这个分类器，判断事件是否完全和背景三类。共有K个，根据类别分类器的结果送入不同的分类器，输入是3段整合的特征。
参考：https://blog.csdn.net/zhang_can/article/details/79782387