動画行動認識のためのpre-trainingを行い、認識精度を向上させる。ハッシュタグや検索クエリをラベルとし、それを元にインターネット上から動画を収集してデータセットを作成する。最適なクラス数や動画の長さやモデルと精度の相関を調べている。