基于视觉的自动驾驶模型与空间视频数据的地理上下文感知研究
人机交互
2021-09-24 v1 机器学习
摘要
基于视觉的深度学习（DL）方法在从大规模众包视频数据集中学习自动驾驶模型方面取得了很大进展。它们被训练用于根据车载摄像头捕获的视频数据预测瞬时驾驶行为。在本文中，我们开发了一个地理上下文感知可视化系统，用于研究自动驾驶模型（ADM）预测与大规模 ADM 视频数据。该视觉研究通过将 DL 模型性能与地理空间可视化技术相结合，与地理环境无缝集成。模型性能指标可与一组地理空间属性在地图视图上共同研究。用户还可以在城市级和街道级分析中，结合道路图像与视频内容，发现并比较多个 DL 模型的预测行为。因此，该系统为自动驾驶领域的 DL 模型设计者提供了一个新的视觉探索平台。用例与领域专家评估表明了该可视化系统的实用性与有效性。
引用
@article{arxiv.2109.10895,
title = {Geo-Context Aware Study of Vision-Based Autonomous Driving Models and Spatial Video Data},
author = {Suphanut Jamonnak and Ye Zhao and Xinyi Huang and Md Amiruzzaman},
journal= {arXiv preprint arXiv:2109.10895},
year = {2021}
}
备注
11 pages, 8 figures, and 1 table. This paper is accepted and to be published in IEEE Transactions on Visualization and Computer Graphics