计算机视觉中的回归问题

简介：
本研究聚焦于计算机视觉领域内的回归问题，探讨如何通过训练模型预测连续值，如物体位置、姿态估计等，以提高图像和视频分析的准确性与效率。 计算机视觉回归领域的一个问题是数据的有效性和相关性如何影响预测的准确性。长期以来，这一问题一直困扰着研究人员和技术专家。然而，在引入新技术尤其是深度学习之后，这个问题得到了新的解决思路。 在我浏览研究论文时偶然发现了“深度学习与时间序列到图像编码以进行财务预测”这篇由卡利亚里团队在意大利发表的研究成果。该论文提出了一种新颖的财务预测方法：将时间序列数据转换为图像，并通过卷积神经网络来发现可能被忽略的数据模式，即使是最有经验的专业人士也可能未能察觉。 强烈推荐读者阅读此篇研究文献，尽管它没有提供代码和所使用数据的具体来源。出于好奇心驱使并想要验证其有效性，我决定从头开始复现他们的工作。