一种基于注意力的循环卷积网络用于车辆尾灯识别
计算机视觉与模式识别
2019-06-11 v1 机器学习
摘要
车辆尾灯识别是自动驾驶的一项重要应用，尤其对于他车意图预测与本车轨迹规划而言。本工作中，我们提出一种端到端深度学习框架，从图像序列中识别尾灯，即后转向与制动信号。所提方法首先使用卷积神经网络（CNN）提取空间特征，然后应用长短期记忆网络（LSTM）学习时间依赖关系。此外，我们在空间与时间域均集成注意力模型，使注意力模型学习选择性聚焦于空间与时间特征。我们的方法在 UC Merced Vehicle Rear Signal Dataset 上的准确率优于当前最优方法，证明了注意力模型用于车辆尾灯识别的有效性。
引用
@article{arxiv.1906.03683,
title = {An Attention-based Recurrent Convolutional Network for Vehicle Taillight Recognition},
author = {Kuan-Hui Lee and Takaaki Tagawa and Jia-En M. Pan and Adrien Gaidon and Bertrand Douillard},
journal= {arXiv preprint arXiv:1906.03683},
year = {2019}
}
备注
Accepted by IV 2019