UCF-101: Um conjunto de dados com 101 classes de ações humanas em vídeos espontâneos

Apresentamos o UCF101, atualmente o maior conjunto de dados de ações humanas. Ele consiste em 101 classes de ações, mais de 13 mil clipes e 27 horas de dados em vídeo. O banco de dados é composto por vídeos realistas enviados por usuários, contendo movimento de câmera e fundo com desordem. Além disso, fornecemos resultados basais de reconhecimento de ações neste novo conjunto utilizando a abordagem padrão de bag of words com desempenho geral de 44,5%. Até onde sabemos, o UCF101 é atualmente o conjunto de dados de ações mais desafiador devido ao seu grande número de classes, grande quantidade de clipes e também à natureza não restrita desses clipes.