AAAIMay, 2020

CARPe Posterum：一种用于实时行人路径预测的卷积方法

PDF
TL;DR本文提出了一种基于卷积神经网络和图同构网络的实时行人路径预测方法，名为 CARPe，具有提高预测精度和实时性的优点。
pedestrian path predictioncomputer visionreal-time predictionconvolutional neural networkgraph isomorphism networks
发现论文，激发创造
  • 用卷积神经网络预测行人轨迹

    本文提出了一种新的基于 2D 卷积模型的行人轨迹预测方法，采用了高效的数据表示和强大的数据增强技术，在 ETH 和 TrajNet 数据集上实现了最优结果。另外，对于以前用于建模社交信息的占据方法进行了实验性探究，并得出这些方法无法捕捉社交交互的经验结论。

    Oct, 2020

  • 卷积神经网络用于轨迹预测

    本文提出了一种卷积神经网络（CNN）人类轨迹预测方法，相比于当前的方法更加快速但仍保持具有竞争力的结果，这对于共享人类环境的自主机器人与人类之间的精确和高效互动至关重要。

    Sep, 2018

  • 使用深度神经网络进行行人预测的规划

    本文介绍了一种基于自主行车的防撞技术，包括预测行人通过模拟其自身运动规划、推断可能的目的地、规划阶段和行为模式预测的神经网络。实验结果表明，系统能够准确地预测目的地和轨迹。

    Jun, 2017

  • 用于行人检测的深度卷积神经网络

    本篇论文提出一个基于深度学习的行人检测系统，通过分析和优化检测流程的每一步，我们提出了一种优于传统方法的架构，在保持低计算时间情况下实现了接近先进方法的任务准确性，并在 NVIDIA Jetson TK1 上测试了该系统。

    Oct, 2015

  • 高斯过程动力学模型与行人活动识别用于行人路径、姿态和意图预测

    研究提出了一种基于均衡高斯过程动态模型的方法，用于预测未来的行人路径和意图，并支持实时的活动类型预测以改进自动紧急制动系统，并取得了较高的准确率。

    Apr, 2020

  • 向前看：使用未来帧预测过街行人

    本文提出了一种以行人安全为重点的端到端未来预测模型，使用从车辆视角记录的先前视频帧来预测行人是否会横穿车辆前面，其长期目标是设计出一个完全自主的系统，与有防御性的人类驾驶员一样预测未来事件并采取反应以降低风险，并利用编码器 / 解码器网络和深度时空网络实现对行人行为和未来帧预测的最新准确性。

    Oct, 2019

  • 带有社交图网络的随机轨迹预测

    通过使用动态构建的有向社交图和时序随机方法与 LSTMs 结合的预测，并结合个人、社交特征为目标生成的代表，成功预测了行人轨迹，特别是在拥挤的场景中。

    Jul, 2019

  • PORCA：自动驾驶中的多行人建模与规划

    本文提出了一个规划系统，其通过将人行道上行人的全局导航意图与车辆和其他行人的本地交互考虑在内的人行道运动预测模型 PORCA，结合 POMDP 算法以应对不确定的情况，使得无人驾驶车辆能够以高效、平稳、安全的方式行驶于高密度人流的场景之中。

    May, 2018

  • 利用高清地图和高效卷积神经网络预测易受伤路用户的运动

    本文使用深度学习方法预测道路的弱势交通参与者，通过将高清地图和参与者所在位置栅格化为俯视图，运用卷积神经网络和逐步优化栅格化方式，达到高精度和实时性的预测效果。

    Jun, 2019

  • CAR-Net: 明视注意力循环网络

    提出了利用空间导航环境和行为之间的依赖关系进行路径预测的可解释框架，利用 Clairvoyant Attentive Recurrent Network（CAR-Net）解决路径预测任务，并成功地应用于 Formula One 赛道、Stanford Drone 数据集等多个数据集上，并具有良好的泛化能力。

    Nov, 2017