文章 "神经网络变得简单（第 79 部分）：在状态上下文中的特征聚合查询（FAQ）" 新评论 MetaQuotes 2024.11.25 13:16 新文章 神经网络变得简单（第 79 部分）：在状态上下文中的特征聚合查询（FAQ）已发布： 在上一篇文章中，我们领略了一种从图像中检测对象的方法。不过，处理静态图像与处理动态时间序列（例如我们所分析的价格动态）有些不同。在本文中，我们将研究检测视频中对象的方法，其可在某种程度上更接近我们正在解决的问题。 我们之前讨论的大多数方法所分析的环境状态都是静态的，这与马尔可夫（Markov）过程的定义完全对应。当然，我们用历史数据填充了环境状态的描述，以便为模型提供尽可能多的必要信息。但该模型未估测状态变化的动态。这也参考了上一篇文章中讲述的方法：DFFT 是为检测静态图像中的对象而开发的。 然而，对价格走势的观察表明，变化的动态有时其概率足以示意即将到来的走势强度和方向。逻辑上，我们现在将关注度转向检测视频中对象的方法。 检测视频中对象具有许多特定的特性，必须解决运动引起的对象特征变化问题，而这些在图像域中并不会遇到。其中一种解决方案是使用时态信息，并组合来自相邻帧的特征。论文《FAQ：用于基于变换器的检测视频中对象的特征聚合查询》提出了一种检测视频中对象的新方法。该文章作者通过聚合来提升基于变换器的模型查询品质。为了达成这个目标，提议一种实用方法，根据输入帧的特征生成和聚合查询。论文中提供的大量实验结果佐证了所提议方法的有效性。所提议方式可以扩展到广泛的检测图像和视频中对象的方法，从而提高其效率。 作者：Dmitriy Gizlyk 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 神经网络变得简单（第 79 部分）：在状态上下文中的特征聚合查询（FAQ）已发布：
在上一篇文章中，我们领略了一种从图像中检测对象的方法。不过，处理静态图像与处理动态时间序列（例如我们所分析的价格动态）有些不同。在本文中，我们将研究检测视频中对象的方法，其可在某种程度上更接近我们正在解决的问题。
我们之前讨论的大多数方法所分析的环境状态都是静态的，这与马尔可夫（Markov）过程的定义完全对应。当然，我们用历史数据填充了环境状态的描述，以便为模型提供尽可能多的必要信息。但该模型未估测状态变化的动态。这也参考了上一篇文章中讲述的方法：DFFT 是为检测静态图像中的对象而开发的。
然而，对价格走势的观察表明，变化的动态有时其概率足以示意即将到来的走势强度和方向。逻辑上，我们现在将关注度转向检测视频中对象的方法。
检测视频中对象具有许多特定的特性，必须解决运动引起的对象特征变化问题，而这些在图像域中并不会遇到。其中一种解决方案是使用时态信息，并组合来自相邻帧的特征。论文《FAQ：用于基于变换器的检测视频中对象的特征聚合查询》提出了一种检测视频中对象的新方法。该文章作者通过聚合来提升基于变换器的模型查询品质。为了达成这个目标，提议一种实用方法，根据输入帧的特征生成和聚合查询。论文中提供的大量实验结果佐证了所提议方法的有效性。所提议方式可以扩展到广泛的检测图像和视频中对象的方法，从而提高其效率。
作者：Dmitriy Gizlyk