Deep Learning Driven Visual Path

作者: kikyou123 | 来源:发表于2017-09-16 15:29 被阅读0次

Deep Learning Driven Visual Path
数据驱动软测量深度学习调研(Qingqiang Sun and
目标跟踪简述+深度学习目标跟踪+context目标跟踪
vo网络汇总
2020-07-25 第一周总结
Deep Learning from the perspecti
AI学习笔记
2020台大李宏毅机器学习 DL预备——深度学习简介
深度学习学习资料
[转]深度学习论文阅读路线图

论文解决的问题：静态场景下估计物体最可能的运动轨迹。

Motivation:

用神经网络，对行人和周围环境进行建模（空间上下文）和行人的方向建模（时间上下文）。

估计出行人与周围环境的交互和方向后，设计具体的损失函数，使path在可能出现的地方和可能的方向时loss最小。

缺点：

只对行人与静态环境的交互性进行建模，没有考虑行人本身的动态信息。

方法：

1、构建spatial Matching Network。

输入：包含物体的patch和场景的patch。需要标注行人与环境的匹配信息。

输出：匹配的概率

2、Orientation Network

输入：object path。需要已知两个邻居帧间相同物体的相对位置的ground truth angle。

输出：物体面对的方向。（facing orientation）

3、Path planing

算法：graph shortest path 算法

数据集

训练：VIRAT 数据集

测试：KIT AIS Dataset

评测方法

modified Hausdorff distance(MHD)

网友评论

本文标题：Deep Learning Driven Visual Path

本文链接：https://www.haomeiwen.com/subject/ddoysxtx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

Deep Learning Driven Visual Path

论文解决的问题：静态场景下估计物体最可能的运动轨迹。

Motivation:

缺点：

方法：

数据集

评测方法

相关文章