对一个行人密集且较为复杂的地铁场景行人轨迹进行预测，项目通过在现有sota模型STGAT基础上添加场景信息，模型本身仅需要增加一个场景的全连接层，复杂度低，能够高效训练，已通过各种消融性实验，结果表明本项目比STGAT模型精度(ade)至少提高10%以上。声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态
1
评论