注意力道路安全网络
计算机视觉与模式识别
2019-01-29 v2
摘要
利用卫星影像进行道路安全制图对于智能城市规划而言是一种经济高效但极具挑战性的问题。标注数据的稀缺、错位与歧义使得有监督深度网络难以学习高效的嵌入表示，从而无法对安全与危险路段进行分类。本文利用区域引导注意力网络应对这些挑战。在我们的模型中，我们从基础网络提取全局特征，并用区域引导注意力网络获得的局部特征对其进行增强。此外，我们对无标注目标数据执行域适应。为弥合源域与目标域中安全样本与危险样本之间的差距，我们提出了一种基于类内与类间协方差矩阵的损失函数。我们在伦敦公开数据集上开展实验，表明该算法取得了显著结果，分类准确率达 86.21%。通过域适应网络，我们在纽约市数据上获得了 4% 的准确率提升。此外，我们进行了用户研究，并证明所提算法相比主观分析取得了 23.12% 更高的准确率。
引用
@article{arxiv.1812.04860,
title = {Attentional Road Safety Networks},
author = {Sonu Gupta and Deepak Srivatsav and A. V. Subramanyam and Ponnurangam Kumaraguru},
journal= {arXiv preprint arXiv:1812.04860},
year = {2019}
}
备注
8 pages, 5 figures, 7 tables