ترجمه فارسی مقاله پیش‌بینی مسیر همدیس با ادغام داده‌های چندنمایی در رانندگی مشارکتی

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 Conformal Trajectory Prediction with Multi-View Data Integration in Cooperative Driving
عنوان مقاله به فارسی پیش‌بینی مسیر همدیس با ادغام داده‌های چندنمایی در رانندگی مشارکتی
نویسندگان Xi Chen, Rahul Bhadani, Larry Head
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
دسته بندی موضوعات Artificial Intelligence,Computer Vision and Pattern Recognition,Machine Learning,هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 2 August, 2024; v1 submitted 1 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 2 اوت 2024 ؛V1 ارسال شده در 1 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 600,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 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

Current research on trajectory prediction primarily relies on data collected by onboard sensors of an ego vehicle. With the rapid advancement in connected technologies, such as vehicle-to-vehicle (V2V) and vehicle-to-infrastructure (V2I) communication, valuable information from alternate views becomes accessible via wireless networks. The integration of information from alternative views has the potential to overcome the inherent limitations associated with a single viewpoint, such as occlusions and limited field of view. In this work, we introduce V2INet, a novel trajectory prediction framework designed to model multi-view data by extending existing single-view models. Unlike previous approaches where the multi-view data is manually fused or formulated as a separate training stage, our model supports end-to-end training, enhancing both flexibility and performance. Moreover, the predicted multimodal trajectories are calibrated by a post-hoc conformal prediction module to get valid and efficient confidence regions. We evaluated the entire framework using the real-world V2I dataset V2X-Seq. Our results demonstrate superior performance in terms of Final Displacement Error (FDE) and Miss Rate (MR) using a single GPU. The code is publicly available at: url{https://github.com/xichennn/V2I_trajectory_prediction}.

چکیده به فارسی (ترجمه ماشینی)

تحقیقات فعلی در مورد پیش بینی مسیر در درجه اول به داده های جمع آوری شده توسط سنسورهای پردازنده یک وسیله نقلیه نفس متکی است.با پیشرفت سریع در فن آوری های متصل ، مانند ارتباطات وسیله نقلیه به وسیله نقلیه (V2V) و ارتباطات وسیله نقلیه به زیرزمین (V2I) ، اطلاعات ارزشمند از نماهای متناوب از طریق شبکه های بی سیم قابل دسترسی است.ادغام اطلاعات از دیدگاههای جایگزین پتانسیل غلبه بر محدودیتهای ذاتی مرتبط با یک دیدگاه واحد ، مانند انسداد و میدان دید محدود را دارد.در این کار ، ما V2INET را معرفی می کنیم ، یک چارچوب پیش بینی مسیر جدید که برای مدل سازی داده های چند منظوره با گسترش مدلهای تک نمای موجود طراحی شده است.بر خلاف رویکردهای قبلی که داده های چند منظوره به صورت دستی به عنوان یک مرحله آموزش جداگانه ذوب می شوند یا تدوین می شوند ، مدل ما از آموزش پایان به پایان پشتیبانی می کند و هم انعطاف پذیری و عملکرد را تقویت می کند.علاوه بر این ، مسیرهای پیش بینی شده چند حالته توسط یک ماژول پیش بینی کنفورماسی پس از تعقیب و گریز برای به دست آوردن مناطق اعتماد به نفس معتبر و کارآمد کالیبره می شوند.ما کل چارچوب را با استفاده از مجموعه داده های واقعی V2I V2X-SEQ ارزیابی کردیم.نتایج ما عملکرد برتر را از نظر خطای جابجایی نهایی (FDE) و میزان MISS (MR) با استفاده از یک GPU واحد نشان می دهد.کد به طور عمومی در: url {https://github.com/xichennn/v2i_trajectory_prediction.

📚 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.