تم تقديم مفهوم "الفعالية" (Actionness) لتقدير احتمالية وجود نموذج عام للحركة في موقع معين. يعد تقدير الفعالية بدقة وكفاءة أمرًا مهمًا في تحليل الفيديو وقد يفيد المهام ذات الصلة الأخرى مثل التعرف على الحركات ورصد الحركات. يقدم هذا البحث هندسة عميقة جديدة لتقدير الفعالية، تُسمى الشبكة الكاملة الهجينة (H-FCN)، والتي تتكون من شبكتين كاملتين: شبكة المظهر الكاملة (A-FCN) وشبكة الحركة الكاملة (M-FCN). تستفيد هاتان الشبكتان من قدرة النماذج العميقة القوية على تقدير خرائط الفعالية من وجهتي النظر الثابتة والمتحركة على التوالي. بالإضافة إلى ذلك، فإن الطبيعة الكاملة للشبكة الهجينة (H-FCN) تسمح لها بمعالجة الفيديوهات بأي حجم بكفاءة. تم إجراء التجارب على مجموعات البيانات الصعبة مثل Stanford40 وUCF Sports وJHMDB لتأكيد فعالية الشبكة الهجينة الكاملة (H-FCN) في تقدير الفعالية، مما أثبت أن طريقتنا تحقق أداءً أفضل من الأساليب السابقة. علاوة على ذلك، قمنا بتطبيق خرائط الفعالية المقدرة على إنشاء مقترحات الحركات ورصد الحركات. تقدم خرائط الفعالية لدينا الأداء الحالي لهذه المهام بشكل كبير.