1. 数据集简介
THUMOS 14 是由美国佛罗里达大学计算机视觉实验室（CRCV）在 2014 年组织的 THUMOS Challenge 中发布的动作识别与时序动作检测基准。它以真实的 YouTube 视频为来源，覆盖日常体育与生活动作，广泛用于 动作分类（Action Classification） 与 时序动作定位（Temporal Action Detection） 两大任务。
2. 组成与规模
| 部分 | 视频数量 | 是否裁剪 | 备注 |
|---|---|---|---|
| 训练集 | 2 765（trimmed） | ✔（已裁剪） | 取自 UCF‑101 的 101 类动作，共 13 320 条短片段 |
| 验证集 | 1 010（未裁剪） | ✘ | 包含 200 条带时间标注的视频 |
| 测试集 | 1 574（未裁剪） | ✘ | 包含 213 条带时间标注的视频 |
| 动作类别 | 20 类 | — | 主要体育动作，如跑步、投篮、踢球等 |
验证集和测试集均为 未裁剪（untrimmed） 视频，标注了每个动作实例的起止时间，验证集 200 条、测试集 213 条，分别对应约 3 007 与 3 358 个动作片段。
3. 任务与标注
- 动作识别（Classification）
- 目标：判断视频中是否出现某一动作类别。
- 训练使用已裁剪的短片段（UCF‑101），每段只包含单一动作。
- 时序动作检测（Temporal Action Detection）
- 目标：在未裁剪的长视频中定位每个动作的 起始帧 / 结束帧 并给出类别。
- 标注形式：
<action_class> <start_time> <end_time>（秒为单位），每个视频可能包含多个动作实例。 - 该任务对 动作时长差异大（从 0.1 s 到数百秒）提出了挑战。
4. 常用特征与基准
- 特征提取：多数研究使用 Two‑Stream I3D（或 C3D）在 Kinetics 预训练后提取 1024‑D（单流）或 2048‑D（双流）特征。
- 评估指标：mAP（mean Average Precision）在不同 IoU 阈值（0.3、0.5、0.7）下报告。
- 代表性论文：
- R‑C3D: Region Convolutional 3D Network for Temporal Activity Detection（ICCV 2017）
- BMN, SSN, AFSD 等后续模型均在该数据集上报告显著提升。
5. 下载与获取方式
| 链接 | 说明 |
|---|---|
| 官方主页 | <https://crcv.ucf.edu/THUMOS14/ >（提供数据说明、下载链接） |
| Papers with Code 页面 | <https://paperswithcode.com/dataset/thumos14-1 >（汇总代码实现、基准成绩） |
| 公开镜像（GitHub） | <https://github.com/yanx27/THUMOS14 >（常用下载脚本） |
| 其他镜像（如 Graviti） | <https://gas.graviti.cn/dataset/hello-dataset/THUMOS14/download >（国内加速） |
下载前需填写 THUMOS14 注册表 并同意使用协议，部分镜像提供压缩包（约 30 GB）。
6. 研究使用情况
自发布以来，THUMOS 14 成为 时序动作检测 领域的标准基准，几乎所有新模型（如 AdaTAD、HR‑Pro、GateHUB、BMN、STALE、MAT、3C‑Net、SPOT 等）都会在该数据集上进行实验对比。它的 长视频、稀疏标注、动作时长跨度大 的特性，使其成为评估模型时空建模能力的“压力测试”。
小结
- THUMOS 14：20 类体育动作，包含 1 010 条验证视频和 1 574 条测试视频，提供精确的时间标注。
- 兼具 动作分类 与 时序动作检测 两大任务，是视频理解研究的核心基准。
- 官方网站与多种镜像均可获取，配套的特征提取与评估脚本已在社区广泛共享。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！