文献

J-GLOBAL ID：201702276968781192   整理番号：17A1773004

エージェント中心リスク評価:事故予測とリスクのある領域の位置確認【Powered by NICT】

Agent-Centric Risk Assessment: Accident Anticipation and Risky Region Localization

著者 (5件)： Zeng Kuo-Hao ,  Chou Shih-Han ,  Chan Fu-Hsiang ,  Niebles Juan Carlos ,  Sun Min
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1330-1338  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生き残るために,それらが生じる前に生活剤(例えば,ヒトで図1(a))は,事故を予測する時間的にによるリスク(1)を評価する能力を持たねばならない(Fig.1(b)),(2)環境における危険な領域(Fig.1(c))を局所化する空間による脅威から離れて移動した。本論文では,事故予測と危険な領域定位課題を研究するための剤中心アプローチを採用した。事象を誘発する剤間の空間と外観的両非線形相互作用と関与する別剤あるいは静的領域を明示的にモデル化する新しいソフト注意リカレントニューラルネットワーク(RNN)を提案した。著者らの提案した方法を試験するために,種々の事故を捕捉する3000ウイルスビデオから成るEpic失敗(EF)データセットを導入した。実験では,EFデータセットと道路事故(SA)データセット上で時間領域(事故予測)と空間領域(危険領域局在)の両方でリスク評価精度を評価した。著者らの方法は,データセットの両者の上で他のベースラインを一貫して上回る。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 定位 ,  *リスク評価 ,  危険区域 ,  *予測 ,  基準線 ,  モデリング ,  *位置決め ,  *エージェント ,  交通事故 ,  ヒト
準シソーラス用語： 空間領域 ,  時間領域 ,  リカレントニューラルネットワーク ,  非線形相互作用 ,  局在化 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  自動車事故,交通安全  (TB01050G) ,  安全管理  (KB06000D)

タイトルに関連する用語 (6件)： エージェント ,  リスク評価 ,  事故 ,  予測 ,  リスク ,  位置確認