Stanford Drone Dataset 比我们想象的更复杂：关键特征分析
人工智能
2022-03-23 v1
摘要
目前存在多个包含个体轨迹标注信息的数据集。这些数据集对于许多实际应用至关重要，包括轨迹预测和自主导航。当前广泛使用的一个突出数据集是 Stanford Drone Dataset (SDD)。尽管其地位突出，但围绕该数据集特征的讨论却不够充分。我们展示了这种不足如何减少了用户可获取的信息并可能影响性能。我们的贡献包括：概述 SDD 的关键特征；采用信息论测度和自定义指标来清晰可视化这些特征；实现 PECNet 和 Y-Net 轨迹预测模型以展示所述特征对预测性能的影响；最后提供 SDD 与 Intersection Drone (inD) Dataset 的比较。我们对 SDD 关键特征的分析非常重要，因为如果缺乏关于可用数据集的充分信息，用户选择最适合其方法的数据集、复现他人结果以及解释自身结果的能力都会受到阻碍。我们通过该分析所作的观察，为计划使用 SDD 的研究人员提供了易于获取和解释的信息来源。我们的意图是提高未来应用于该数据集的方法的性能和可复现性，同时为新用户清楚地详述该数据集中不太明显的特征。
引用
@article{arxiv.2203.11743,
title = {The Stanford Drone Dataset is More Complex than We Think: An Analysis of Key Characteristics},
author = {Joshua Andle and Nicholas Soucy and Simon Socolow and Salimeh Yasaei Sekeh},
journal= {arXiv preprint arXiv:2203.11743},
year = {2022}
}
备注
12 pages, 10 figures, 5 tables