論文の概要: DeepWORD: A GCN-based Approach for Owner-Member Relationship Detection in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2103.16099v1
• Date: Tue, 30 Mar 2021 06:12:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-01 02:32:31.380331
• Title: DeepWORD: A GCN-based Approach for Owner-Member Relationship Detection in Autonomous Driving
• Title（参考訳）: DeepWORD: 自律運転におけるオーナー・メンバー関係検出のためのGCNに基づくアプローチ
• Authors: Zizhang Wu, Man Wang, Jason Wang, Wenkai Zhang, Muqing Fang, Tianhao Xu
• Abstract要約: グラフ畳み込みネットワーク(GCN)の設計により, 革新的な関係予測手法であるDeepWORDを提案する。 具体的には,局所相関を持つ特徴マップをノードの入力として活用し,情報豊かさを向上させる。 大規模ベンチマークとしてWORDと呼ばれるアノテートされたオーナーとメンバーの関係データセットを確立します。
• 参考スコア（独自算出の注目度）: 2.895229237964064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It's worth noting that the owner-member relationship between wheels and vehicles has an significant contribution to the 3D perception of vehicles, especially in the embedded environment. However, there are currently two main challenges about the above relationship prediction: i) The traditional heuristic methods based on IoU can hardly deal with the traffic jam scenarios for the occlusion. ii) It is difficult to establish an efficient applicable solution for the vehicle-mounted system. To address these issues, we propose an innovative relationship prediction method, namely DeepWORD, by designing a graph convolution network (GCN). Specifically, we utilize the feature maps with local correlation as the input of nodes to improve the information richness. Besides, we introduce the graph attention network (GAT) to dynamically amend the prior estimation deviation. Furthermore, we establish an annotated owner-member relationship dataset called WORD as a large-scale benchmark, which will be available soon. The experiments demonstrate that our solution achieves state-of-the-art accuracy and real-time in practice.
• Abstract（参考訳）: 車輪と車両の所有者とメンバーの関係は、特に組込み環境での車両の3D認識に大きく貢献している点に注意が必要だ。 しかし,上記の関係予測には2つの課題がある。i)iouに基づく従来のヒューリスティックな手法では,オクルージョンにおける交通渋滞のシナリオにほとんど対処できない。 二 車両搭載システムの効率的な適用ソリューションを確立することは困難である。 そこで本研究では,グラフ畳み込みネットワーク(gcn)を設計することにより,新しい関係予測手法であるdeepwordを提案する。 具体的には,局所相関を持つ特徴マップをノードの入力として活用し,情報豊かさを向上させる。 さらに,事前推定偏差を動的に補正するグラフアテンションネットワーク(GAT)を導入する。 さらに,大規模なベンチマークとして,WORDと呼ばれる注釈付きオーナシップデータセットを構築した。 実験により,本手法が最先端の精度と実時間を実現することを示す。

関連論文リスト

• Enhancing Lane Segment Perception and Topology Reasoning with Crowdsourcing Trajectory Priors [12.333249510969289]
  本稿では, 軌道先行の新たな視点から, 先行オーディメンテーションを考察する。 我々は、融合プロセス中にアライメントを考慮に入れた信頼に基づく融合モジュールを設計する。 その結果,本手法の性能は現在の最先端手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-11-26T07:05:05Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• GraphAD: Interaction Scene Graph for End-to-end Autonomous Driving [16.245949174447574]
  我々は,エゴ車両,道路エージェント,地図要素間の相互作用をモデル化するための統合手法として,インタラクションシーングラフ(ISG)を提案する。 提案手法をnuScenesデータセット上で評価した。
  論文  参考訳（メタデータ） (2024-03-28T02:22:28Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent Vehicle in Complex Environments [72.04891523115535]
  本稿では,オブジェクトの提案から潜在的意味関係を予測するグラフ畳み込みネットワークRSG-Netを提案する。 実験の結果、このネットワークはロードシーングラフデータセットに基づいてトレーニングされており、エゴ車両周辺のオブジェクト間の潜在的な意味関係を効率的に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-07-16T12:40:17Z)
• Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification [168.67190934250868]
  フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。 FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。 マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
  論文  参考訳（メタデータ） (2022-06-03T23:55:45Z)
• Detecting Owner-member Relationship with Graph Convolution Network in Fisheye Camera System [9.665475078766017]
  我々は,グラフ畳み込みネットワーク(GCN)を設計して,革新的な関係予測手法であるDeepWORDを提案する。 実験の結果,提案手法が最先端の精度と実時間性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2022-01-28T13:12:27Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Constructing Geographic and Long-term Temporal Graph for Traffic Forecasting [88.5550074808201]
  交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。 本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-23T03:50:46Z)
• Cooperative LIDAR Object Detection via Feature Sharing in Deep Networks [11.737037965090535]
  協調物体検出(FS-COD)のための特徴共有の概念を導入する。 提案手法では, 協調車両間で部分的に処理されたデータを共有することにより, 環境の理解を深める。 提案手法は,従来の単車車物体検出手法よりも性能に優れていた。
  論文  参考訳（メタデータ） (2020-02-19T20:47:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。