我是研一小硕在读，如果理解和阐述有偏差，欢迎您批评指正！！
这是
Long-term Recurrent Convolutional Networks for Visual Recognition and Description_2015_CVPR_paper
在mxnet/Gluon上的复现。
本代码运行需要用到d2lzh工具包，下载后和这个项目文件夹放置在同一个目录下。d2lzh包来源于李沐、阿斯顿张的《动手学深度学习》：https://zh.d2l.ai/，
（但我对于此工具包进行了魔改部分修改，参见账号下的d2lzh-yangyyyy仓库）
论文分为三个部分，计划依次实现：
- [x]Activity(action) recognition
- []Image description
- []Video description
论文使用ALEXNet+单层LSTM实现，将视频数据集的depth看作时间步， 每个时间步都将单帧图像输入CNN提取特征， 后接全连接层，输入LSTM，将各时间步LSTM的输出取平均。
论文中使用UCF101数据集，UCF101数据集的使用方法参考：https://gluon-cv.mxnet.io/build/examples_datasets/ucf101.html ，写的很明了。
gluoncv是mxnet官方推出的a Deep Learning Toolkit for Computer Vision。
目前代码存在严重过拟合，正在寻求改进。