文献

J-GLOBAL ID：201902227398123978   整理番号：19A2117193

3D畳込みニューラルネットワークを用いた運転者意図のエンドツーエンド予測【JST・京大機械翻訳】

End-to-end Prediction of Driver Intention using 3D Convolutional Neural Networks

著者 (4件)： Gebert Patrick (Karlsruhe Institute of Technology, Germany) ,  Roitberg Alina (Karlsruhe Institute of Technology, Germany) ,  Haurilet Monica (Karlsruhe Institute of Technology, Germany) ,  Stiefelhagen Rainer (Karlsruhe Institute of Technology, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IV  ページ： 969-974  発行年： 2019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： 先進的な河川支援システム(ADAS)の異常な進歩にもかかわらず,1年毎の交通事故において,1200万人以上の警報数が依然として致命的に負傷されている。人間の誤りは,そのような死傷者のために主に責任があり,時間によって,ADASシステムが運転者を警報するので,それはしばしば遅すぎる。著者らは,ドライバ観測に基づく将来の操縦を予測するために,3D畳込みと残差学習を有する深いニューラルネットワークに基づく視覚ベースのシステムを提示した。以前の研究では,手による特徴(例えば,頭部姿勢)に焦点を合わせているが,本モデルは,エンドツーエンドでビデオから直接意図を予測する。このアーキテクチャは3つの構成要素から構成されている:オプティカルフローの抽出のためのニューラルネットワーク,操作分類のための3D残差ネットワーク,および様々な長さの時間データを扱うためのLong Short-Tem Memoryネットワーク(LSTM)。著者らのアイデアを評価するために,著者らは,将来の操縦予測のための内部と外部の両方の視点をカバーする公開可能なBrain4Carsベンチマークに関する徹底的な実験を行った。著者らのモデルは,運転開始の前に83,12%および4,07sの精度で運転者の意図を予測することができ,一方,最新のアプローチを実行し,一方,内部の視点のみを考慮した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 警報 ,  *ネットワーク ,  学習 ,  視覚 ,  *エンドツーエンド方式 ,  録画装置 ,  計算機アーキテクチャ ,  *ニューラルネットワーク ,  *予測 ,  オプティカルフロー ,  ベンチマーク ,  *三次元 ,  残差 ,  *畳込み
準シソーラス用語： *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 3D ,  畳込みニューラルネットワーク ,  意図 ,  エンドツーエンド ,  予測