RSG-Net：面向复杂环境下智能车辆的丰富语义关系预测
计算机视觉与模式识别
2022-07-26 v1 人工智能
摘要
行为与语义关系在智能自动驾驶车辆和 ADAS 系统中起着至关重要的作用。与其他聚焦于轨迹、位置和边界框的研究不同，关系数据提供了对人类可理解的对象行为描述，并能以极简方式描述对象的过去与未来状态。因此，它是风险检测、环境理解和决策等任务的基础方法。本文中，我们提出 RSG-Net（Road Scene Graph Net）：一种图卷积网络，旨在从对象提议中预测潜在语义关系，并产出称为“道路场景图”的图结构结果。实验结果表明，该网络在 Road Scene Graph 数据集上训练后，能高效预测自车周围对象间的潜在语义关系。
引用
@article{arxiv.2207.12321,
title = {RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent Vehicle in Complex Environments},
author = {Yafu Tian and Alexander Carballo and Ruifeng Li and Kazuya Takeda},
journal= {arXiv preprint arXiv:2207.12321},
year = {2022}
}
备注
6 pages, 7 figures, accepted by IEEE-IV 2021 conference