研究：弱い監督、位置決め時間領域のアクション
結果：Thumos14 mAP0.5 = 27.0
ActivityNet1.3 mAP0.5 = 34.5
この弱い監視の結果から分かるように推測方法は、以前の方法のいくつかの監視をオフにすることができPK
コード：GitHubの マシン上のPS Iほとんど常に再現性のポイント
動機：あなたのアカウントに背景カテゴリを取らない見つける前に、アクションはFPの大多数で、その結果、背景フレーム・エラー・カテゴリに分割されます。本論文でプレゼント背景抑制ネットワークBasnet、（注意抑制ネットワークとバックグラウンドを抑制するためにベースのネットワーク、）追加の背景クラス、二つのミラーネットワークを導入し、実験はそのことを、この設計は効果的背景の影響を抑制することができることを示しています位置決めの精度を向上させます。
アイデア出典：STPNクラスに基づいて時間領域の畳み込みFCにSTPN（CVPR2018）から注目のモジュール参照、ICCV2019背景モデリングも導入されて周りの作業STPN著者（1-λ）今年の背景として、当面の重み、詳細は表ではありません
背景モデルは、最初のものは「弱時間アクション局在化を監視するための完全性モデリング、コンテキスト分離」である領域を標的弱い監督及び時間ドメインアクションを表示（CVPR2019）
この記事の主なセールスポイントは、ここでバックグラウンドではなく、クラスの背景の導入は、フォローアップの3つの作品のインスピレーションを与え、STPNは、前述した、と私の個人的な好みLPAT（寿鄭チームワーク）の記事のバージョンを強化しましたフォローアップは、このノートを終えたことになります
方法：
過去の作品同様のベースブランチは、この部分のような背景を削除するには、問題は、トレーニングクラスの背景には、負のサンプルは、各ビデオグラウンドトゥルース背景カテゴリが1であることを、最終的に結果を配置し、異常に高いレスポンスクラスの背景につながりませんように設定されています非常に悪いです。
コンフィギュレーションクラスの陰性サンプル背景で、別のブランチネットワークに応じて注目モジュール（フィルタリングモジュール）の導入は、バックグラウンドを抑制することができます。各処理モジュールCONV二つのブランチ全体の重共有権のネットワーク構造は、唯一の違いの二つのブランチがすなわち入力（入力注目処理ブランチSUPPを介して）と背景ラベル（基本クラスの背景1、サップの背景クラス0）この2つの違い。それはとても効果的フィルタと禁止応答背景にとして、フォアグラウンド情報を学んだように、目標は、より良いトレーニングフィルタリングモジュールにあります。
トップ-kがWTALCからMIL分類方法のアイデアを意味します
テスト段階の間、最終的な位置選択モジュールSUPP出力ブランチを、その後の動作依然としてマルチ閾値セグメンテーションNMS方法を使用した後、方法借りCMCSの提案は、本明細書信頼スコア：平均面積と境界領域提案スコアの差を計算します
レンダリング： 
