具有 U-Net 风格跳跃连接的时间自编码器用于交通帧预测
机器学习
2020-12-01 v1 计算机视觉与模式识别
摘要
随着城市复杂性的增加和人口的增长，寻找可持续且新颖的方案来预测全市范围的移动行为是一个日益严峻的问题。本文试图通过描述一种交通帧预测方法来解决此问题，该方法使用卷积 LSTM 构建具有 U-Net 风格跳跃连接的时间自编码器，将循环与传统计算机视觉技术相结合，以在不同尺度上捕获时空依赖关系而不丢失给定城市的拓扑细节。我们还展示了周期性学习率的使用，其通过比标准方法更少的轮次实现更低的损失分数，从而提高了训练效率。
引用
@article{arxiv.2011.12661,
title = {Temporal Autoencoder with U-Net Style Skip-Connections for Frame Prediction},
author = {Jay Santokhi and Pankaj Daga and Joned Sarwar and Anna Jordan and Emil Hewage},
journal= {arXiv preprint arXiv:2011.12661},
year = {2020}
}
备注
7 pages, 3 figures, 3 tables, 4 equations