論文の概要: Cyclist Intention Detection: A Probabilistic Approach

• arxiv url: http://arxiv.org/abs/2104.09176v1
• Date: Mon, 19 Apr 2021 09:59:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 22:52:20.366853
• Title: Cyclist Intention Detection: A Probabilistic Approach
• Title（参考訳）: サイクリストの意図検出:確率的アプローチ
• Authors: Stefan Zernetsch, Hannes Reichert, Viktor Kress, Konrad Doll, Bernhard Sick
• Abstract要約: 本稿では,確率的サイクリスト意図検出のための包括的アプローチを提案する。 運動履歴画像(MHI)と残差畳み込みニューラルネットワーク(ResNet)に基づく基本的な動き検出を用いて、現在のサイクリスト運動状態の確率を推定する。 これらの確率は確率的アンサンブル軌道予測の重みとして用いられる。
• 参考スコア（独自算出の注目度）: 2.984037222955095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article presents a holistic approach for probabilistic cyclist intention detection. A basic movement detection based on motion history images (MHI) and a residual convolutional neural network (ResNet) are used to estimate probabilities for the current cyclist motion state. These probabilities are used as weights in a probabilistic ensemble trajectory forecast. The ensemble consists of specialized models, which produce individual forecasts in the form of Gaussian distributions under the assumption of a certain motion state of the cyclist (e.g. cyclist is starting or turning left). By weighting the specialized models, we create forecasts in the from of Gaussian mixtures that define regions within which the cyclists will reside with a certain probability. To evaluate our method, we rate the reliability, sharpness, and positional accuracy of our forecasted distributions. We compare our method to a single model approach which produces forecasts in the form of Gaussian distributions and show that our method is able to produce more reliable and sharper outputs while retaining comparable positional accuracy. Both methods are evaluated using a dataset created at a public traffic intersection. Our code and the dataset are made publicly available.
• Abstract（参考訳）: 本稿では,確率的サイクリスト意図検出のための包括的アプローチを提案する。 運動履歴画像(mhi)と残留畳み込みニューラルネットワーク(resnet)に基づく基本運動検出を用いて、現在の自転車運動状態の確率を推定する。 これらの確率は確率的アンサンブル軌道予測の重みとして用いられる。 アンサンブルは、サイクリストの特定の運動状態(例えば、)を仮定して、ガウス分布の形で個々の予測を生成する専門モデルで構成されている。 自転車は左に曲がる、または左に曲がる)。 特殊なモデルを重み付けすることで、サイクリストが一定の確率で居住する領域を定義するガウス混合混合物から予測を作成する。 提案手法を評価するために,予測分布の信頼性,鋭さ,位置精度を評価する。 本手法は,ガウス分布の形で予測を生成する単一モデル手法と比較し,同等の位置精度を維持しつつ,より信頼性が高くシャープな出力が得られることを示す。 どちらの手法も、公共交通交差点で作成されたデータセットを用いて評価される。 私たちのコードとデータセットは公開されています。

関連論文リスト

• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Learning Gaussian Representation for Eye Fixation Prediction [54.88001757991433]
  既存のアイ固定予測方法は、入力画像から原固定点から生成された対応する濃密な固定マップへのマッピングを行う。 本稿ではアイフィグレーションモデリングのためのガウス表現について紹介する。 我々は,リアルタイムな固定予測を実現するために,軽量なバックボーン上にフレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-21T20:28:22Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  交通予知は自動運転車に不可欠な役割を担っている。 本稿では,軌道予測作業に適した認証手法を提案する。 非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Towards Generalizable and Interpretable Motion Prediction: A Deep Variational Bayes Approach [54.429396802848224]
  本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。 このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。 動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
  論文  参考訳（メタデータ） (2024-03-10T04:16:04Z)
• B\'ezier Curve Gaussian Processes [8.11969931278838]
  本稿では,確率的B'ezier曲線上に構築された新しい確率的シーケンスモデルを提案する。 混合密度ネットワークと組み合わせることで、平均場変動近似を必要とせずにベイズ条件推論を行うことができる。 このモデルは歩行者の軌跡予測に使われ、生成した予測はGP前でも機能する。
  論文  参考訳（メタデータ） (2022-05-03T19:49:57Z)
• WeatherBench Probability: A benchmark dataset for probabilistic medium-range weather forecasting along with deep learning baseline models [22.435002906710803]
  WeatherBenchは、測地、温度、降水量の中距離天気予報のためのベンチマークデータセットである。 WeatherBench Probabilityはこれを確率的予測に拡張し、確立された確率的検証メトリクスのセットを追加する。
  論文  参考訳（メタデータ） (2022-05-02T12:49:05Z)
• An Energy-Based Prior for Generative Saliency [62.79775297611203]
  本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。 生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。 実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
  論文  参考訳（メタデータ） (2022-04-19T10:51:00Z)
• Non-Probability Sampling Network for Stochastic Human Trajectory Prediction [16.676008193894223]
  歩行者の軌跡予測を組み込むためには,マルチモーダルな性質の獲得が不可欠である。 本稿では,従来のランダムサンプリングの代替として,サンプリング空間の均一なカバレッジを確保するQuasi-Carlo法を提案する。 我々は、学習可能なサンプリングネットワークを既存のネットワークに導入し、軌道予測を行う。
  論文  参考訳（メタデータ） (2022-03-25T06:41:47Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• Pose and Semantic Map Based Probabilistic Forecast of Vulnerable Road Users' Trajectories [2.984037222955095]
  脆弱な道路利用者(VRU)の確率的軌道予測手法を提案する。 過去の動きは、個々の身体部分の姿勢と動きを反映した3Dのポーズによって表現される。 周囲のシーンは、道路、歩道、障害物の発生など、セマンティックマップの形式でモデル化されている。
  論文  参考訳（メタデータ） (2021-06-04T16:56:13Z)
• Probability Trajectory: One New Movement Description for Trajectory Prediction [26.61376622161326]
  軌道予測は、自動運転やインテリジェントロボットなど、多くのアプリケーションにとって基本的かつ困難なタスクである。 本稿では,歩行者軌跡の座標点を画像中の2次元ガウス分布にマッピングする,シンプルで直感的な動き記述である確率軌跡を提案する。 本研究では,新しい確率軌道と強力な畳み込み再帰ニューラルネットワークを組み合わせた,社会確率と呼ばれる新しい軌道予測手法を開発した。
  論文  参考訳（メタデータ） (2021-01-26T07:09:36Z)

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。