The study of trajectories produced by the motion of particles, objects or animals is often a core task in many research fields such as biology or robotics. There are many challenges in the process, from the building of trajectories from raw sensor data (images, inertial measurement data, etc) to the recognition of key statistical patterns that may emerge in groups of trajectories. This work introduces a software library that addresses the problem as a whole, covering a full pipeline to process raw data and produce the analytics typically demanded by scientific reports. Unlike other trajectory analysis software, our library focuses on the subject in a quite abstract way, allowing its usage across several fields. We validate the software by the reproduction of key results associated to different original research articles, providing an example script in each case. Our aim is that the present software provides researchers with limited experience in programming or computer vision with an easy-to-handle toolbox for approaching trajectory data.


翻译:微粒、物体或动物运动产生的轨迹研究往往是生物或机器人等许多研究领域的一项核心任务,从建立原始传感器数据(图像、惯性测量数据等)的轨迹到承认在轨迹组别中可能出现的关键统计模式,这一过程有许多挑战,从建立原始传感器数据(图像、惯性测量数据等)的轨迹到承认关键统计模式,这项工作引入了一个软件库,从整体上解决这一问题,涵盖处理原始数据的完整管道,并产生科学报告通常要求的分析。与其他轨迹分析软件不同,我们的图书馆以非常抽象的方式侧重于该主题,允许该主题在多个领域使用。我们通过复制与不同原始研究文章有关的关键结果,在每种情况下提供示例脚本,验证该软件。我们的目标是,目前的软件为研究人员提供程序或计算机视觉方面的有限经验,为接近轨迹数据提供一个易于操作的工具箱。

0
下载
关闭预览

相关内容

Processing 是一门开源编程语言和与之配套的集成开发环境(IDE)的名称。Processing 在电子艺术和视觉设计社区被用来教授编程基础,并运用于大量的新媒体和互动艺术作品中。
专知会员服务
127+阅读 · 2021年6月18日
专知会员服务
76+阅读 · 2021年3月16日
【EMNLP2020】自然语言生成,Neural Language Generation
专知会员服务
38+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
57+阅读 · 2019年7月31日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
Arxiv
6+阅读 · 2018年3月28日
VIP会员
相关VIP内容
专知会员服务
127+阅读 · 2021年6月18日
专知会员服务
76+阅读 · 2021年3月16日
【EMNLP2020】自然语言生成,Neural Language Generation
专知会员服务
38+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
利用动态深度学习预测金融时间序列基于Python
量化投资与机器学习
18+阅读 · 2018年10月30日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员