نقدم نهجًا لتقدير الفترة الزمنية التي تتكرر فيها حركة في مقطع فيديو. يكمن جوهر هذا النهج في تقييد وحدة التنبؤ بالفترة الزمنية باستخدام التشابه الذاتي الزمني كتمثيل وسيط يسمح بالتعميم على التكرارات غير المعروفة في مقاطع الفيديو الحقيقية. نقوم بتدريب هذا النموذج، الذي يُطلق عليه اسم Repnet، باستخدام مجموعة بيانات اصطناعية تم إنشاؤها من مجموعة كبيرة من مقاطع الفيديو غير المصنفة عن طريق أخذ مقاطع قصيرة بطولات مختلفة وتكرارها بمدد ومرات مختلفة. هذه المزيج من البيانات الاصطناعية والنموذج القوي ولكن المقيد، يتيح لنا التنبؤ بالفترات الزمنية بطريقة لا تعتمد على تصنيف الفئة. نموذجنا يتفوق بشكل كبير على الأداء الرائد في المعايير الموجودة للفترات الدورية (PERTUBE) وعد التكرارات (QUVA). كما قمنا بتجميع مجموعة بيانات جديدة صعبة تُسمى Countix (حوالي 90 مرة أكبر من المجموعات الموجودة) والتي تلتقط تحديات عد التكرارات في مقاطع الفيديو الواقعية. صفحة المشروع: https://sites.google.com/view/repnet .