近年来随着视频数量爆发式增长,视频内容理解的相关算法得到了广泛的研究。目前视频内容理解主要包括动作识别、时序动作检测和视频描述生成等任务。其中,时序动作检测是指在未剪辑的视频中定位出动作的起止时间并且判断动作类别。全监督的时序动作检测算法需要对视频数据进行详尽标注,极高的标注成本限制了时序动作检测应用于实际场景。弱监督时序动作检测算法仅需视频级的类别标签,标注成本低且非常容易获得,具有重大的现实意义。故本文对弱监督时序动作检测算法进行研究,期望通过本文提出的算法提升弱监督时序动作检测模型的性能。未剪辑视频中不同动作片段持续时间的跨度非常大,并且弱监督的方法没有精确时间标注的先验信息,导致很难完整且准确的检测出动作片段。针对此问题,本文提出了时序特征融合模块,提取特征片段之间的上下文信息,并对具有不同时序信息的特征进行融合,提升动作片段检测的完整性。同时为了充分挖掘RGB特征和Flow特征之间的互补性,提高时序边界定位的准确性,本文提出了双流特征选择模块,更好地结合双流特征之间的优势,从而提升了弱监督时序动作检测模型的性能。未剪辑视频中不仅存在动作片段,还包含大量的背景帧,而弱监督方法在训练阶段仅依赖视频级的类别标签,忽略了背景信息,使得模型在动作片段检测的过程中容易将背景帧误检测为动作片段。针对此问题,本文提出了多分支背景抑制网络。该网络主要包括多分支基础模块和多分支抑制模块,通过使用不同的监督信号,使得多分支抑制模块能够抑制时序激活序列中背景帧的激活值,从而减少动作片段检测中的误检,提升弱监督时序动作检测模型的准确性。最后本文在THUMOS14和ActivityNet1.3两个通用数据集上进行对比实验和分解实验,验证了本文提出算法的有效性。