行人意图预测:一种多任务视角
计算机视觉与模式识别
2021-05-21 v2
摘要
为实现全球部署,自动驾驶汽车必须保障行人安全。正因如此,提前充分预测行人意图是自动驾驶车辆最关键且最具挑战性的任务之一。本工作通过联合预测行人意图与视觉状态来尝试解决该问题。在视觉状态方面,以往工作聚焦于 x-y 坐标,而我们还将预测行人尺寸乃至完整边界框。该方法采用多任务学习框架下的循环神经网络,其中一个头预测行人在其每一未来位置处的意图,另一个头预测行人视觉状态。在 JAAD 数据集上的实验表明,我们的方法在意图预测上优于以往工作。此外,尽管架构简单(速度快逾 2 倍),其边界框预测性能可与复杂得多的架构相媲美。我们的代码已在线公开。
引用
@article{arxiv.2010.10270,
title = {Pedestrian Intention Prediction: A Multi-task Perspective},
author = {Smail Ait Bouhsain and Saeed Saadatnejad and Alexandre Alahi},
journal= {arXiv preprint arXiv:2010.10270},
year = {2021}
}
备注
Accepted and published in hEART2020 (the 9th Symposium of the European Association for Research in Transportation): http://www.heart-web.org/