加速收敛
面向车辆行为预测的时空融合深度模型，通过多尺度交叉特征融合与LSTM-注意力时序建模提升预测能力。
王星宇 · 吴光强 · Qirui, Luo · Kai, Liu
IEEE Transactions on Vehicular Technology 2025
通过局部交叉学习机制和 LSTM+多头自注意力，增强有效特征并建立长短时依赖，从而加速收敛并缓解梯度消失。
通过两个模块分别聚合空间感知特征图并实现跨通道信息融合，弥补现有方法判别机制不足的问题，减少信息损失。
多尺度特征融合与时序建模提高车辆行为预测精度，对比先进方法展现出优越性。