随着计算机技术和移动互联网技术的讯速发展,观看和分享视频成为人们日常生活的一部分,视频数据也成为重要的信息载体。人工处理视频数据显然不现实,使用传统的神经网络模型需要大量标注数据,而人工标注数据费时费力。因此,小样本场景下视频分类问题成为计算机视觉中热点研究问题。小样本视频分类问题是指在标注样本少的情况下完成视频分类任务。本文主要研究视频分类中两个基本任务:动作分类和背景类的检测,研究在视频标注少的情况下如何实现动作分类和背景类的检测。视频数据天然具有空间属性和时间属性,充分提取这两个维度的信息对视频分类任务尤为重要。已有研究工作未能考虑视频中帧与帧的相对关系及重要程度,因此在小样本场景下无法充分提取视频的时序特征。首先,为了解决小样本动作识别场景下特征提取及利用不充分的问题,本文提出了基于孪生网络的样本空间特征表示方法,利用ResNet-18和AlexNet网络组合成的孪生网络提取视频的空间特征;其次,提出了基于稀疏注意力机制的视频时序特征抽取方法,该方法的核心思想是在计算视频帧相对关系的同时,突出重点帧的影响,从而充分提取视频的时间特征;最后,根据上述提取的特征提出了基于对齐思想的深度关系模块,以充分利用样本中的时空特征。本文针对小样本背景类检测问题,提出了基于孪生网络的小样本背景类检测算法。在多个真实数据集上的实验结果表明,本文提出的基于稀疏注意力机制的小样本动作识别算法和基于孪生网络的小样本背景类检测算法,可以充分利用提取到的特征,显著提升分类结果的准确率。