用U-Net与时间域适应解决Traffic4Cast竞赛
计算机视觉与模式识别
2021-11-08 v1 人工智能
机器学习
摘要
在本技术报告中，我们介绍了针对Traffic4Cast 2021核心挑战赛的解决方案，该挑战要求参与者基于前一小时的信息，在4个不同城市开发预测60分钟后交通状态的算法。与以往举办的竞赛不同，今年的挑战聚焦于由COVID-19大流行引起的交通时间域偏移。继U-Net以往的成功之后，我们利用它来预测未来的交通图。此外，我们探索了使用预训练编码器（如DenseNet和EfficientNet），并采用多种域适应技术来应对域偏移。我们的解决方案在最终竞赛中排名第三。代码可在https://github.com/jbr-ai-labs/traffic4cast-2021获取。
引用
@article{arxiv.2111.03421,
title = {Solving Traffic4Cast Competition with U-Net and Temporal Domain Adaptation},
author = {Vsevolod Konyakhin and Nina Lukashina and Aleksei Shpilman},
journal= {arXiv preprint arXiv:2111.03421},
year = {2021}
}
备注
Conference on Neural Information Processing Systems (NeurIPS 2021) Traffic4cast Competition