一、应用 图片标注、视频行为分类、图片/视频问答（VQA） 二、对比CNN和RNN 三、图片自动标注 补充（找出感兴趣区域，详细标注） 四、视频行为识别 问题定义：视频中正在发生什么3. RNN+CNN 五、图片/视频问答 纯文字问答和图片问答对比 模型改进 相关文章：