《TSNs: Towards Good Practices for Deep Action Recognition》, 发表于2016 ECCV，主要探讨了深度行为识别领域中的最佳实践。文章指出，现有基于CNN的分类方法在长期时间结构的捕获上不如手工设计的特征，并因视频数据集量不足可能导致过拟合。作为解决方案，文章提出了一个高效模型，专注于长期时间结构的捕获，并讨论了在数据有限的情况下如何有效训练模型，包括跨模态预训练、规范化技术和数据增强，同时还介绍了第一个端到端的视频时序建模模型。