WTTFNet:城市复杂环境中行人轨迹预测的气象 - 时间 - 轨迹融合网络
原文中文,约400字,阅读约需1分钟。发表于: 。通过融合天气和时间等信息,借助于多模态单元的嵌入结构,提出了一种新的天气 - 时间 - 轨迹融合网络 (WTTFNet),用于改进基准深度神经网络架构,并采用联合损失函数和基于聚焦损失,通过优化深度轨迹特征和最终分类器,提高了对行人目的地和轨迹的准确性,该方法在与现有算法相比的实验结果中表现出 23.67%的分类准确度提高,平均和最终位移误差分别降低了 9.16%和...
通过融合天气和时间等信息,提出了一种新的天气-时间-轨迹融合网络 (WTTFNet),用于改进深度神经网络架构,提高对行人目的地和轨迹的准确性。该方法在实验中表现出23.67%的分类准确度提高,平均和最终位移误差分别降低了9.16%和7.07%。可应用于行人设施工程、公共空间开发和技术驱动的零售等众多应用。