ترجمه فارسی مقاله موقعیت: پیش‌بینی مسیر انسان در فضای داخلی از طریق ویژگی‌های هندسی و نمایش دید خود نظارتی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی SITUATE: Indoor Human Trajectory Prediction through Geometric Features and Self-Supervised Vision Representation
عنوان مقاله به فارسی موقعیت: پیش‌بینی مسیر انسان در فضای داخلی از طریق ویژگی‌های هندسی و نمایش دید خود نظارتی
نویسندگان Luigi Capogrosso, Andrea Toaiari, Andrea Avogaro, Uzair Khan, Aditya Jivoji, Franco Fummi, Marco Cristani
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 1 September, 2024; originally announced September 2024. , Comments: Accepted at the 27th International Conference on Pattern Recognition (ICPR 2024)
توضیحات به فارسی ارسال 1 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: در بیست و هفتمین کنفرانس بین المللی تشخیص الگوی (ICPR 2024) پذیرفته شده است
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Patterns of human motion in outdoor and indoor environments are substantially different due to the scope of the environment and the typical intentions of people therein. While outdoor trajectory forecasting has received significant attention, indoor forecasting is still an underexplored research area. This paper proposes SITUATE, a novel approach to cope with indoor human trajectory prediction by leveraging equivariant and invariant geometric features and a self-supervised vision representation. The geometric learning modules model the intrinsic symmetries and human movements inherent in indoor spaces. This concept becomes particularly important because self-loops at various scales and rapid direction changes often characterize indoor trajectories. On the other hand, the vision representation module is used to acquire spatial-semantic information about the environment to predict users' future locations more accurately. We evaluate our method through comprehensive experiments on the two most famous indoor trajectory forecasting datasets, i.e., THÖR and Supermarket, obtaining state-of-the-art performance. Furthermore, we also achieve competitive results in outdoor scenarios, showing that indoor-oriented forecasting models generalize better than outdoor-oriented ones. The source code is available at https://github.com/intelligolabs/SITUATE.

چکیده به فارسی (ترجمه ماشینی)

الگوهای حرکت انسان در محیط های فضای باز و سرپوشیده به دلیل دامنه محیط و اهداف معمولی افراد در آن از نظر قابل ملاحظه ای متفاوت است.در حالی که پیش بینی مسیر در فضای باز مورد توجه قابل توجهی قرار گرفته است ، پیش بینی داخلی هنوز یک منطقه تحقیقاتی نامشخص است.در این مقاله ، یک رویکرد جدید برای مقابله با پیش بینی مسیر انسانی داخلی با استفاده از ویژگی های هندسی Equivariant و Fivariant و یک نمایش بینایی خود نظارتی ارائه شده است.ماژول های یادگیری هندسی تقارن ذاتی و حرکات انسانی ذاتی در فضاهای داخلی را مدل می کنند.این مفهوم از اهمیت ویژه ای برخوردار می شود زیرا خود حلقه هایی در مقیاس های مختلف و تغییرات جهت سریع اغلب مسیرهای داخلی را توصیف می کند.از طرف دیگر ، از ماژول بازنمایی Vision برای به دست آوردن اطلاعات مکانی-معنایی در مورد محیط زیست برای پیش بینی دقیق تر مکان های آینده کاربران استفاده می شود.ما روش خود را از طریق آزمایش های جامع در مورد دو مجموعه داده پیش بینی مسیر داخلی ، یعنی Thör و سوپر مارکت ارزیابی می کنیم و عملکرد پیشرفته ای را بدست می آوریم.علاوه بر این ، ما همچنین در سناریوهای در فضای باز به نتایج رقابتی می رسیم ، نشان می دهد که مدل های پیش بینی داخلی گرا بهتر از مدل های فضای باز است.کد منبع در https://github.com/intelligolabs/situate در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.