用于自动驾驶汽车的带注意力脑启发认知模型
计算机视觉与模式识别
2017-02-21 v1 机器人学
摘要
基于感知的方法与端到端系统是自动驾驶汽车两大主要视觉框架。然而，难以将注意力和自动驾驶过程的历史信息（实现类人驾驶的关键因素）引入这两种方法。本文提出一种用于自动驾驶汽车的新型模型，称为带注意力的脑启发认知模型（CMA）。该模型由三部分组成：模拟人类视觉皮层的卷积神经网络，用于描述复杂交通场景中物体间关系的认知地图，以及结合实时更新认知地图以实现注意力机制和长短时记忆的循环神经网络。我们模型的优势在于可同时准确解决三个任务：1) 当前及相邻车道自由空间与边界的检测；2) 障碍物距离与车辆姿态的估计；3) 从人类驾驶员学习驾驶行为与决策。更重要的是，所提模型可在端到端驾驶过程中接受外部导航指令。为评估，我们构建了一个大规模道路车辆数据集，包含由自动驾驶汽车上三个摄像头捕获的四万多张标注道路图像。同时记录了人类驾驶活动与车辆状态。
引用
@article{arxiv.1702.05596,
title = {Brain Inspired Cognitive Model with Attention for Self-Driving Cars},
author = {Shitao Chen and Songyi Zhang and Jinghao Shang and Badong Chen and Nanning Zheng},
journal= {arXiv preprint arXiv:1702.05596},
year = {2017}
}
备注
13 pages, 10 figures