★ 2
TEMPEST：可扩展驾驶员识别的时序嵌入
论文提出 TEMPEST，用时序卷积网络与 ArcFace 加性角度间隔损失学习紧凑嵌入，支持无需重训的动态注册。在 45 名驾驶员数据集上 Rank-1 准确率达 91.71%，驾驶员池从 10 增至 45 仅下降 4.3 个百分点。
arXiv cs.LG26 天前
#度量学习
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
OSSE-LSTM：标签高效时间序列分类
针对大规模时间序列分析中标注昂贵、受限于标签量的问题，提出Dual-Stream OSSE-LSTM，结合Omni-Scale CNN与SE重校准进行多尺度模式提取，配合双向LSTM捕捉全局时序上下文，并引入反事实积分梯度C-IG提升可解释性。在19个UCR数据集上各支持度下均取得最高平均准确率，…
arXiv cs.AI28 天前