你好，我对训练时的数据处理有疑惑，可以帮忙解答一下吗？ 按照论文的思路，是要输入连续帧的图像进行训练吗？因为同一个场景连续帧数据的存储记忆训练才有意义？如果是的话，要怎么样输入训练数据呢？因为数据包括了多个城镇和多条路线，存储的连续帧信息可能不是同一场景
