Cơ chế chú ý đã và đang được nghiên cứu rộng rãi trong những năm gần đây nhằm mục đích nâng cao khả năng học tập của mô hình. Trong bài báo này, chúng tôi đề xuất một cơ chế chú ý mới bao gồm mô-dun chú ý thời gian và mô-đun chú ý không gian. Hai mô-dun này được kết hợp với nhau trong mạng 3D ResNet-18 nhằm cung cấp sự "chú ý" vào các đặc trưng quan trọng của khối tích. Cụ thể, mô-dun chú ý thời gian sẽ khai thác mối quan hệ chuyển động giữa các frames và mô-đun chú ý không gian quan tâm đến mối quan hệ không gian giữa các đặc trưng. Kết quả thử nghiệm đối với mô hình được đề xuất cho thấy phương pháp đề xuất đạt được hiệu suất cạnh tranh so với các mạng sâu và nặng hiện đại được công bố gần đây., Tóm tắt tiếng anh, The attention mechanism has been studied extensively in recent years to enhance the model's learning ability. In this paper, we propose a new attention mechanism including the temporal attention module and spatial attention module. These two modules are combined in the 3D ResNet-18 network to provide "attention" to the critical features of the volume. In particular, the temporal attention module exploits the motion relationship between frames, and the spatial attention module is interested in the spatial relationship between features. The experimental results for the proposed model show that our proposed method achieves competitive performance compared with the recently published modern deep and heavy networks.