1.一种基于上下文聚合和边界生成的时序行为检测方法,其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于上下文聚合和边界生成的时序行为检测方法,其特征在于：所述步骤3中
3.根据权利要求2所述的一种基于上下文聚合和边界生成的时序行为检测方法，其特征在于：所述步骤4中，浅层边界生成器由两个conv1d卷积层组成，并使用sigmoid函数激活输出特征以生成开始点的概率p′s和结束点概率p′e；深层边界生成器设计为编码器-解码器u型结构，通过组合多尺度特征来生成精确的动作边界，并通过一系列的密集卷积块以跳跃连接方式融合相同尺度的编码器和解码器特征，最终使用sigmoid函数激活输出特征以生成开始点的概率p″s″和结束点概率p″e″，融合生成最终的提名边界概率ps和pe的公式为(7)：
4.根据权利要求1-3任意一个权利要求所述的一种基于上下文聚合和边界生成的时序行为检测方法，其特征在于：所述步骤5中，对于输入的多路径时序上下文特征d，首先将其转化为边界匹配特征图，然后对其进行采样操作以获得提名匹配特征图p，之后通过提名评估模块中的提名关系感知模块融合相邻提名特征，最终采用sigmoid函数得到提名匹配置信度图，分别用来分类和回归。
5.根据权利要求4所述的一种基于上下文聚合和边界生成的时序行为检测方法，其特征在于：所述提名关系感知模块是一种具有压缩激励块的残差模块变体，对于输入的特征图p首先通过输入特征层进行全局平均池化操作，然后，使用两个全连接层捕获通道之间的关系，在两个全连接之间设置gelu层，之后执行sigmoid以将值固定在[0,1]，获得输入特征层的每个通道的权重值，最后与输入特征图p相叠加得到最后的输出特征图。