交互学习在计算机学科领域中有着重大的研究意义,其核心思想是利用人类与计算机双方的优势,处理双方中单独一方都难以解决的问题。本文针对于如何设计一个人机循环来完成交互流程这一问题,提出了一个交互学习系统,并在弱监督标记与运动识别两个领域中进行应用。在弱监督标记领域,本文结合交互学习框架提出了一个视觉交互标记系统,并阐述了其系统设计、算法设计及视觉效果设计的原理和过程。该交互系统可以完成弱监督标记和弱监督模型训练两方面应用。弱监督标记方面,本文设计并进行了一个基于魔方数据集的标记实验,并最终取得了99%的一次标记正确率。而在弱监督模型训练方面,本框架在手写体数据集0.03%的标记量的情况下达到了3.39%的分类错误率,同等情况优于对抗生成网络算法的实验结果。在动作识别领域,本文结合交互学习框架,设计了一套交互式分割系统,并利用该系统分割出一套花样滑冰竞技动作数据集FSD-10。本文对数据集的采集流程、标注信息及详细流程、动作判别性分析进行了详细介绍。接下来,本文设计了一种基于关键帧的长时分割神经网络,该神经网络依据HPS算法来评估人体离散度,并通过离散度曲线去抽取关键帧。实验中,与其他网络相比,该网络在FSD-10数据集上取得了优秀的分类正确率。另外,对比试验还证明,FSD-10相比于UCF101数据集对于动作本身更加的敏感。基于以上分析,本文主要阐述了交互学习框架及其在在半自动标记领域和动作识别领域的应用。本文的主要贡献如下。(1)结合相关的前人工作与交互学习相关应用,本文提出了一个交互学习框架并设计了一个视觉交互学习系统。该系统最终被应用于半自动标记与弱监督模型训练,相比于现有方案均取得了优异的效果。(2)在动作识别领域,通过一个交互分割系统,本文提出了一个背景不敏感、动作转换快、类型复杂的竞技运动数据集FSD-10,该数据集对于竞技动作识别有着重要意义。(3)在关键帧动作提取和识别的算法上,本文主要设计了一个基于关键帧的时序分割动作识别网络,该动作识别网络通过关键帧采样提升了识别效果。