目錄 概覽 描述:模型基於LSTM神經網絡提出新型的Spatio-Temporal Graph(時空圖),旨在實現在擁擠的環境下,通過將行人-行人,行人-靜態物品兩類交互納入考慮,對行人的軌跡做出預測。 訓練與測試數據庫 數據庫:ETH Walking ...
概覽 簡述 SS LSTM全稱Social Scene LSTM,是一種分層的LSTM模型,在已有的考慮相鄰路人之間影響的Social LSTM模型之上額外增加考慮了行人背景的因素。SS LSTM架構類似Seq Seq,由 個Encoder生成的向量拼接后形成 個Decoder的輸入,並最終做出軌跡預測,有關Encoder和Decoder具體細節下文介紹。 主要結論與貢獻 提出了SS LSTM分 ...
2019-08-08 23:43 1 678 推薦指數:
目錄 概覽 描述:模型基於LSTM神經網絡提出新型的Spatio-Temporal Graph(時空圖),旨在實現在擁擠的環境下,通過將行人-行人,行人-靜態物品兩類交互納入考慮,對行人的軌跡做出預測。 訓練與測試數據庫 數據庫:ETH Walking ...
概覽 簡述 文獻所提出的模型旨在解決交通中行人的軌跡預測(pedestrian trajectory prediction)問題,特別是在擁擠環境中——人與人交互(interaction)行為常有發生的地方。 文獻構建的數據驅動模型,利用在序列預測上表現突出的LSTM模型以行人為單位進行軌跡 ...
文獻引用 Amirian J, Hayet J B, Pettre J. Social Ways: Learning Multi-Modal Distributions of Pedestrian Trajectories with GANs[J]. 2019. 文章是繼 ...
//2021年12月3日17點05分 //參考資料:Multi-file LaTeX projects - Overleaf, Online LaTeX Editor //內容:一個簡單的中文文獻&實驗記錄報告模板 //前言:模板是基於Overleaf示例的魔改 ============================================================ ...
原文文獻 Social BiGAT : Kosaraju V, Sadeghian A, Martín-Martín R, et al. Social-BiGAT: Multimodal Trajectory Forecasting using Bicycle-GAN and Graph ...
關於SVM的閱讀報告 組員:曾文麗 楊頊 倪元元 2020-03-12 在paper的題目中看到一個關鍵詞——SVM,由於不清楚SVM是什么。尋得兩篇博文: http://www.blogjava.net/zhenandaci/category/31868.html https ...
;另一種則是設計更加精密的recurrent unit,如LSTM,GRU。而本文的重點是比較LSTM,G ...
paper:Gupta A , Johnson J , Fei-Fei L , et al. Social GAN: Socially Acceptable Trajectories ...