Na tarefa de reconhecimento de ações, devido à diferença na velocidade de mudança dos estados dos agentes e das ações, bem como à falta de estudo sobre a correlação entre ações, que resulta em baixa capacidade de discriminação e erros, é proposto um modelo de mecanismo de atenção baseado na correlação temporal, fundamentado na arquitetura SlowFast. Primeiro, abandona-se o fluxo óptico e utiliza-se diretamente os dados de vídeo como entrada da rede, permitindo o treinamento de ponta a ponta do modelo; segundo, define-se um mecanismo de atenção à correlação temporal composto por atenção à correlação e atenção temporal, onde o mecanismo de atenção à correlação serve para extrair informações de correlação entre ações; em seguida, as informações são introduzidas no mecanismo de atenção temporal para suprimir características inúteis; por fim, para o problema da perda de correlação entre características devido ao grande passo do kernel convolucional durante a fusão de caminhos no SlowFast, propõe-se uma operação convolucional contínua mais eficaz como substituta. Experimentos realizados nos conjuntos de dados UCF101 e HMDB51 mostram que o método proposto apresenta vantagens em precisão e robustez em comparação aos métodos existentes.

reconhecimento de ações;SlowFast;mecanismo de atenção à correlação temporal;treinamento de ponta a ponta;fusão de caminhos