相关实验视频

Updated: Jan 16, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

一种新的3D室内定位方法,集成了深度空间特征增强和基于注意力的无声化

Chunyuan Liu¹, Xiaomin Yu², Peilong Wu¹

¹School of Computer and Control Engineering, Qiqihar University, Heilongjiang, 161006, Qiqihar, China.

Scientific reports

|September 26, 2025

概括

这项研究引入了一种新的3D室内定位方法,使用深度学习来提高有限数据的准确性. 这种方法增强了空间特征并消除了信号,大大提高了本地化性能.

科学领域:

计算机科学计算机科学
人工智能的人工智能
机器人技术机器人技术机器人技术

背景情况:

三维 (3D) 室内定位系统因复杂的环境和高维数据而面临挑战.
现有的方法与稀缺的训练数据,噪音和捕捉全球空间特征作斗争,限制了现实世界的应用.
高昂的数据采集成本和室内定位数据收集的人力努力是重要的障碍.

研究的目的:

开发一种新的3D室内定位方法,克服数据稀缺性和不良稳定性的局限性.
增强深度空间特征提取,并实施基于注意力的denoising,以提高准确性.
从有限的真实样本生成高质量,高密度的3D定位数据.

主要方法:

使用堆叠变异自编码器 (SVAE) 进行结构化的深度空间表示提取.
使用Wasserstein生成对抗网络 (WGAN) 合成现实的高密度样本,解决数据稀疏性.
集成了一个注意力机制,以增强全局特征感知和可控的噪音注入,以提高稳定性.

主要成果:

在 UJIIndoorLoc 数据集上仅使用10%的数据,实现了100%的建筑和94.7%的楼层定位准确度.
当与深度神经网络 (DNN) 结合时,定位误差减少了14.32%.
对Tampere和UTSIndoorLoc数据集进行了显著改进,地板定位精度分别为92.83%和94.33%,错误减少分别为15.18%和18.89%.

结论:

提出的方法有效地提高了室内3D定位的准确性和稳定性,即使训练数据有限.
深度空间特征增强和基于注意力的无声化对于克服当前系统限制至关重要.
该方法为具有成本效益和准确的室内定位系统提供了可行的解决方案.

关键词:

3D室内定位 3D室内定位注意力机制注意力机制解除自动编码器的自动编码器堆叠的变化自动编码器.瓦斯斯坦的生成对抗网络.

相关概念视频

Depth Perception and Spatial Vision

Depth Perception and Spatial Vision

Depth perception is the ability to perceive objects three-dimensionally. It relies on two types of cues: binocular and monocular. Binocular cues depend on the combination of images from both eyes and how the eyes work together. Since the eyes are in slightly different positions, each eye captures a slightly different image. This disparity between images, known as binocular disparity, helps the brain interpret depth. When the brain compares these images, it determines the distance to an object.