التحديد الزمني للإجراءات يُعد خطوة مهمة نحو فهم الفيديو. تعتمد معظم الطرق الحالية للتحديد الزمني للإجراءات على مقاطع فيديو غير مقيدة، مع تسميات زمنية كاملة لInstances الإجراءات. ومع ذلك، فإن التسمية لكل من علامات الإجراءات وحدودها الزمنية تتطلب وقتًا طويلاً وتكاليف عالية. ولحل هذه المشكلة، نقترح طريقة لتحديد زمني للإجراءات ذات تدريب ضعيف، والتي تتطلب فقط تسميات على مستوى الفيديو للإجراءات أثناء التدريب. نقترح وحدة تصنيف لتوليد علامات إجراءات لكل قطعة في الفيديو، ووحدة تعلم متعددة الأبعاد لتعلم التشابه بين مختلف إجراءات الفيديو. ونُحسّن بشكل مشترك دالة خسارة ثنائية متوازنة ودالة تعلم متعددة باستخدام خوارزمية الانتشار العكسي القياسي. أظهرت التجارب الواسعة فعالية كلا المكونين في التحديد الزمني. وقد قُمنا بتقييم خوارزميتنا على نوعين من مجموعات بيانات الفيديو غير المقيدة الصعبة: THUMOS14 وActivityNet1.2. وحققت طريقةنا تحسينًا بنسبة 6.5% في متوسط الدقة (mAP) عند حد إيقاف التداخل (IoU) 0.5 مقارنة بالنتائج السابقة في THUMOS14، كما حققت أداءً تنافسيًا في ActivityNet1.2.