本研究提出了一种多任务鱼眼交叉视图变换器（MT F-CVT）方法，解决停车区域感知算法只关注有限范围内空闲停车位的问题。该方法结合四个摄像头的图像特征，生成详细的鸟瞰图格子特征图，实现了平均仅20厘米的定位误差，具有强大的泛化能力。

通过观察多目标计数任务中的观察者表现研究，发现定位误差对人类准确性和信任度没有显著影响，而召回率和精确率误差则会影响人类的表现和信任度。因此，在优化算法时，基于F1分数更有利于人机任务。同时，提出了在带有中心点的多目标计数任务中的边界框改进方法，展示了改进的性能和更好的对定位误差的韧性。

本文介绍了一种双输入神经网络（DI-NNs）方法，用于信号处理应用中的元数据和高维信号建模。通过训练和评估DI-NNs在不同情景下的性能，并与其他替代架构以及最小二乘（LS）方法和卷积递归神经网络（CRNN）进行比较。结果表明，在真实录音测试数据集中，DI-NNs的定位误差比LS方法低五倍，比CRNN低两倍。