三维卷积神经网络可以通过直接融合空间和时间特征来实现良好的性能，但计算是密集的。传统的二维卷积神经网络在图像识别中表现良好，但由于无法提取时间特征，导致其在视频动作识别中表现不佳。为此，本文提出一个即插即用的时间和运动增强模块以学习视频动作的时空关系，可以插入任意二维卷积神经网络中，而额外的计算成本是相当有限的。在多个公开动作识别数据集上进行的大量实验表明，本文提出的网络以高效率优于最先进的二维卷积神经网络方法。