HACS, dont le nom complet est Human Action Clips and Segments, est un ensemble de données vidéo pour la reconnaissance des actions humaines.

L'ensemble de données contient 200 catégories d'actions. ActivityNet-v1.3 La classification de l’ensemble de données est la même. Les vidéos proviennent de YouTube, avec une taille de 504K. Chaque vidéo dure moins de 4 minutes, avec une durée moyenne de 2,6 minutes. Les auteurs ont utilisé une méthode basée sur le caractère aléatoire uniforme et la cohérence/incohérence des classificateurs d’images pour échantillonner 1,5 M de clips vidéo d’une durée de 2 secondes. Les échantillons d’une taille de 0,6 M ont été étiquetés comme échantillons positifs et les échantillons d’une taille de 0,9 M ont été étiquetés comme échantillons négatifs. L'ensemble de données comprend un ensemble d'entraînement de 1,4 M, un ensemble de validation de 50 000 et un ensemble de test de 50 000, échantillonnés respectivement à partir de 492 000, 6 000 et 6 000 vidéos.