本文介绍了一种新型一阶稀疏行动检测器STMixer，结合自适应特征采样和双分支特征混合模块，在多个数据集上表现优异。同时，研究提出了实时多动作本地化和分类的深度学习框架，利用SSD卷积神经网络实现高效检测，达到40fps的实时性能。整体上，该方法在多个基准测试中优于现有技术。