摘要
基于多模态时空数据的人类移动轨迹预测方法和装置,其方法包括:S1、获取地点的遥感图像,通过预训练的图像编码器获取图像表征;S2、使用时空关系图获取模态内时空移动表征;S3、使用跨模态时空关系图获取多模态时空移动表征;S4、通过跨模态对比学习对齐图像模态和时空图模态;S5、通过多模态融合获取轨迹多模态表征,使用多任务学习方式优化目标。本发明有效实现了不同模态的语义融合与对齐,在较大程度上保留并利用了各模态的独特信息,并能够在引入较少额外计算开销的情况下,引入其它模态的信息,在人类移动轨迹预测上的准确率上,对比现有方法具有优势。
技术关键词
移动轨迹预测方法
多模态
地点
学习方式优化
图像编码器
跨模态
移动轨迹预测装置
人类
移动性预测方法
多任务学习方法
关系
数据
矩阵
邻居
编码向量
样本
误差函数
系统为您推荐了相关专利信息
文本编码器
图像编码器
文本特征向量
图像特征向量
家具产品
避障算法
巡检机器人
多模态数据融合
分块技术
序列
低空无人机识别
反制方法
多模块
融合特征
多模态
伺服驱动器
动态参数辨识
非线性观测器
多模态
控制系统
缺陷检测方法
图像特征向量
光照补偿算法
接线
端子