关键词convolutional long short-term memory
搜索结果 - 6
- 荷兰的短期降水预测：基于卷积 LSTM 神经网络的天气雷达数据应用
此研究利用 ConvLSTM 神经网络将天气雷达数据应用于短期降水预测，通过卷积神经网络层进行空间模式识别和 LSTM 网络层进行时间序列建模，构建了一个包含九层的自动编码器模型。结果表明，ConvLSTM 网络在气象预测中有着高准确性，尤 - 透过连续粒子滤波在循环神经网络中进行隐状态近似
本文介绍一种基于历史数据，使用逐步加粗的粒子来近似表示潜在状态分布的序列预测模型，利用连续可微分的方案，根据贝叶斯规则，自适应提取有价值的信息和更新潜在状态，并在预测任务中取得了良好的效果。
- 视频去雨的增强时空交互学习：更快更好的框架
本文提出了一种新的端到端视频去雨水框架 ——Enhanced Spatio-Temporal Interaction Network（ESTINet）, 使用深度残差网络和卷积长短时记忆，可以在计算资源开销极小的情况下捕捉连续帧之间的空间特 - CVPR自监督深度视觉里程计与在线自适应
本文提出了一种基于在线元学习算法的自监督 Visual Odometry（VO）方法，利用了卷积长短时记忆（convLSTM）和特征对齐技术，实现了 VO 网络的持续适应新环境和快速自我更新。实验证明，该方法在未见过的户外场景、虚拟到真实世 - 利用时间一致性进行实时视频深度估计
本研究提出了一种基于时空信息的深度估计框架，该框架采用卷积长短时记忆和生成对抗学习等技术，能够在实时性和视觉效果之间取得平衡。
- 卷积 LSTM 用于远程感知图像的云适应分割
本研究探讨了利用卷积长短时记忆网络进行植被分类的云覆盖鲁棒性，包括可视化内部细胞激活和对不同云覆盖数据集进行消融实验，结果表明网络内部已经自动学习了云过滤机制，进一步证明了多时间深度学习方法的预处理流程的必要性存在疑问。