如何去使用inference features？How to use inference features?

[SFKgroup]

在尝试利用该模型进行推理，解决Action Spotting问题的过程中，对有一些步骤感到疑惑，烦请解答。
在README中，作者写到 “In the new feature, the feature dimension is reduced to just 768, 3489 is the number of frames.” ，其中 number of frames 在中文语境下指的是什么？我在尝试的过程中发现feature.shape[0]的值和config.json中设置的 length_secs 有关，在 length_secs 较短的情况下 feature.shape[0] == length_secs - 5。其值并不等于 视频的帧数(length_secs*fps) 也不等于 视频的秒数(length_secs) 这使我感到困惑，这使我无法获取到Action的时间点。
README中写道 "One still need to train a stage 2 model to use these features" 这里的 stage 2 model 是用于建立features->Action&Time的关系还是仅用于features->Action的关系？换言之我的模型是需要建立成一个768个输入，17个输出的网络，以获得每一个 "frame" 下的Action 还是将整个features输入模型，通过其他方法获取连带时间戳的Action类型？
如果有人能回答我的问题，我会非常感谢!

[paulxinzhou]

1. Number of frames指的是帧数，比如n秒，fps是1，就是n帧，fps是2就是2n帧。 feature.shape[0] == length_secs - 5 这个应该是不对的。得看看问题在哪。
2. stage 2 model 我们当时是 features -> action，然后 time是nms提取出来的（参考soccernet netvlad模型）。

[SFKgroup]

这里的fps是视频原有帧率还是重新采样后的FPS呢？config.json需要包含fps，我不清楚该fps的对于获取features的作用，但是我发现更改fps的值并不会影响Number of frames。我很好奇为何config.json需要包含fps，如果这个fps是指程序将自动将视频resample到该fps，那么它也应该会改变Number of frames，如果这个fps只是客观记录视频的fps以计算帧数，那么openCV可以直接在读取视频时获取到FPS与帧数，亦不必多此一举。这使我感到困惑。

[SFKgroup]

这里的fps是视频原有帧率还是重新采样后的FPS呢？config.json需要包含fps，我不清楚该fps的对于获取features的作用，但是我发现更改fps的值并不会影响Number of frames。我很好奇为何config.json需要包含fps，如果这个fps是指程序将自动将视频resample到该fps，那么它也应该会改变Number of frames，如果这个fps只是客观记录视频的fps以计算帧数，那么openCV可以直接在读取视频时获取到FPS与帧数，亦不必多此一举。这使我感到困惑。