IntFormer：借助Transformer架构预测行人过街意图
计算机视觉与模式识别
2021-05-19 v1 人工智能
摘要
理解行人过街行为是智能车辆开发的一项重要目标，有助于提升车辆安全性与交通流。本文提出了一种名为IntFormer的方法，其基于Transformer架构以及一种称为RubiksNet的新型卷积视频分类模型。在近期基准的评估流程下，我们的模型取得了最先进（state-of-the-art）的结果，且具有良好性能（约每秒40个序列）与较小体积（比性能最佳模型小8倍），适合实时使用。我们还探究了各输入特征，发现自车速度是其中最重要的变量，这可能是由于PIE数据集中过街情形具有相似性所致。
引用
@article{arxiv.2105.08647,
title = {IntFormer: Predicting pedestrian intention with the aid of the Transformer architecture},
author = {J. Lorenzo and I. Parra and M. A. Sotelo},
journal= {arXiv preprint arXiv:2105.08647},
year = {2021}
}
备注
5 pages, 2 figures