Dans la reconnaissance du comportement, chaque image est extrêmement importante. Pour bien comprendre le comportement humain dans les vidéos, il est nécessaire d'annoter chaque image en fonction de l'action et d'annoter de manière dense dans une vidéo. L'ensemble de données MultiTHUMOS est un Ensemble de données THUMOSNé sur la base de l'expansion.

Cet ensemble de données est une collection d'annotations d'actions, comprenant 38 690 annotations de 65 catégories d'actions. Annotation appliquée à Ensemble de données de détection d'action THUMOS'14Pour les 400 vidéos de , il y a en moyenne 1,5 étiquettes par image et 10,5 classes d'actions par vidéo.