論文の概要: Interaction Detection Between Vehicles and Vulnerable Road Users: A Deep
Generative Approach with Attention
- arxiv url: http://arxiv.org/abs/2105.03891v1
- Date: Sun, 9 May 2021 10:03:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-12 07:48:44.949558
- Title: Interaction Detection Between Vehicles and Vulnerable Road Users: A Deep
Generative Approach with Attention
- Title（参考訳）: 車両と危険道路利用者のインタラクション検出:注意を伴う深部生成的アプローチ
- Authors: Hao Cheng, Li Feng, Hailong Liu, Takatsugu Hirayama, Hiroshi Murase
and Monika Sester
- Abstract要約: 交差点における相互作用検出のための条件生成モデルを提案する。
道路利用者の行動の連続性に関する膨大な映像データを自動解析することを目的としています。
モデルの有効性は実世界のデータセットでテストすることによって検証された。
- 参考スコア（独自算出の注目度）: 9.442285577226606
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intersections where vehicles are permitted to turn and interact with
vulnerable road users (VRUs) like pedestrians and cyclists are among some of
the most challenging locations for automated and accurate recognition of road
users' behavior. In this paper, we propose a deep conditional generative model
for interaction detection at such locations. It aims to automatically analyze
massive video data about the continuity of road users' behavior. This task is
essential for many intelligent transportation systems such as traffic safety
control and self-driving cars that depend on the understanding of road users'
locomotion. A Conditional Variational Auto-Encoder based model with Gaussian
latent variables is trained to encode road users' behavior and perform
probabilistic and diverse predictions of interactions. The model takes as input
the information of road users' type, position and motion automatically
extracted by a deep learning object detector and optical flow from videos, and
generates frame-wise probabilities that represent the dynamics of interactions
between a turning vehicle and any VRUs involved. The model's efficacy was
validated by testing on real--world datasets acquired from two different
intersections. It achieved an F1-score above 0.96 at a right--turn intersection
in Germany and 0.89 at a left--turn intersection in Japan, both with very busy
traffic flows.
- Abstract（参考訳）: 歩行者やサイクリストのような脆弱な道路利用者(vrus)との交差点は、道路利用者の行動を自動的に正確に認識するために最も難しい場所の1つだ。
本稿では,そのような場所でのインタラクション検出のための条件付き生成モデルを提案する。
道路利用者の行動の連続性に関する膨大なビデオデータを自動的に分析することを目的としている。
このタスクは、道路利用者の移動の理解に依存する交通安全制御や自動運転車など、多くのインテリジェント交通システムにとって不可欠である。
ガウス型潜伏変数を用いた条件変分自動エンコーダモデルを用いて,道路利用者の挙動を符号化し,対話の確率的・多様な予測を行う。
このモデルは、深層学習オブジェクト検出器によって自動的に抽出された道路利用者のタイプ、位置、動きの情報とビデオからの光学的流れを入力とし、回転車と関連するVRU間の相互作用のダイナミクスを表すフレームワイズ確率を生成する。
このモデルの有効性は、2つの異なる交差点から取得した実世界のデータセットをテストすることによって検証された。
ドイツでは右旋回交差点で0.96点、日本では左旋回交差点で0.89点のF1スコアを達成した。
関連論文リスト
- Identifying built environment factors influencing driver yielding behavior at unsignalized intersections: A naturalistic open-source dataset collected in Minnesota [1.7810134788247751]
多くの要因が、交通量、車両速度、道路特性など、ドライバーと歩行者の相互作用の結果に影響を与える。
ミネソタ州を横断する18の無署名の交差点で、ビデオデータから収集された大規模なオープンソースデータセットを紹介した。
3000以上のインタラクションをドキュメント化したこのデータセットは、ドライバと歩行者のインタラクションと、50以上の異なるコンテキスト変数の詳細なビューを提供する。
論文 参考訳（メタデータ） (2023-12-22T23:18:27Z) - Learning Driver Models for Automated Vehicles via Knowledge Sharing and
Personalization [2.07180164747172]
本稿では,自動車間の知識共有とパーソナライゼーションを通じて,自動走行車(AV)ドライバモデルを学習するためのフレームワークについて述べる。
インテリジェントな輸送システム、交通管理、車両間通信など、輸送工学にまたがるいくつかの応用を見出している。
論文 参考訳（メタデータ） (2023-08-31T17:18:15Z) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳（メタデータ） (2022-10-13T05:56:20Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Pedestrian Trajectory Prediction via Spatial Interaction Transformer
Network [7.150832716115448]
交通現場では、来るべき人々と出会うと、歩行者は突然回転したり、すぐに止まることがある。
このような予測不可能な軌道を予測するために、歩行者間の相互作用についての洞察を得ることができる。
本稿では,歩行者軌跡の相関関係を注意機構を用いて学習する空間的相互作用変換器(SIT)を提案する。
論文 参考訳（メタデータ） (2021-12-13T13:08:04Z) - Automated Object Behavioral Feature Extraction for Potential Risk
Analysis based on Video Sensor [6.291501119156943]
歩行者は道路、特に標識のない横断歩道で死亡や重傷を負う危険にさらされている。
本研究では,道路上に展開された映像センサから物体の行動特徴を効果的に抽出するシステムを提案する。
本研究は、スマートシティーに実用的なデータを提供するためのコネクテッドビデオセンサネットワークの可能性を示す。
論文 参考訳（メタデータ） (2021-07-08T01:11:31Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - 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) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - RAIST: Learning Risk Aware Traffic Interactions via Spatio-Temporal
Graph Convolutional Networks [19.582873794287632]
道路車両を運転する上で重要な側面は、他の道路利用者と対話し、その意図を評価し、リスクを意識した戦術決定を行うことである。
本稿では,交通グラフに基づくエゴセントリックなビューのための新しいドライビングフレームワークを提案する。
我々は,リスクオブジェクト識別の課題を改善することにより,リスク認識表現を学習する。
論文 参考訳（メタデータ） (2020-11-17T15:49:22Z)
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。