门控驾驶员注意力预测器
计算机视觉与模式识别
2023-08-08 v1 人工智能
摘要
驾驶员注意力预测意味着理解驾驶员意图前往何处以及关注何种物体，通常提供驾驶任务引导的交通场景理解。近期一些工作探索了在关键或事故场景中的驾驶员注意力预测，并发现其有助于事故预测，但提升能力受限于驾驶员注意力图的预测精度。本工作中，我们探索用于驾驶员注意力预测（Gate-DAP）的网络连接门控机制。Gate-DAP旨在学习不同道路类型、场合以及光照和天气条件下驾驶场景中空间、时间和模态信息的重要性。Gate-DAP中的网络连接门控由空间编码网络门控、长短期记忆网络门控和信息类型门控模块组成。每种连接门控操作即插即用且可灵活组装，使得Gate-DAP的架构对于评估驾驶员注意力预测中不同的空间、时间和信息类型具有透明性。在DADA-2000和BDDA数据集上的评估验证了所提方法与最先进方法相比的优越性。代码见 https://github.com/JWFangit/Gate-DAP。
引用
@article{arxiv.2308.02530,
title = {Gated Driver Attention Predictor},
author = {Tianci Zhao and Xue Bai and Jianwu Fang and Jianru Xue},
journal= {arXiv preprint arXiv:2308.02530},
year = {2023}
}
备注
Accepted by ITSC2023