文献

J-GLOBAL ID：201902281803423254   整理番号：19A1193238

構造化メモリ階層による歩行者軌跡予測【JST・京大機械翻訳】

Pedestrian Trajectory Prediction with Structured Memory Hierarchies

著者 (4件)： Fernando Tharindu (Image and Video Research Laboratory, SAIVT Research Program, Queensland University of Technology, Brisbane, Australia) ,  Denman Simon (Image and Video Research Laboratory, SAIVT Research Program, Queensland University of Technology, Brisbane, Australia) ,  Sridharan Sridha (Image and Video Research Laboratory, SAIVT Research Program, Queensland University of Technology, Brisbane, Australia) ,  Fookes Clinton (Image and Video Research Laboratory, SAIVT Research Program, Queensland University of Technology, Brisbane, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11051  ページ： 241-256  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文は,多モードデータ(ビデオとレーダ)に基づく人間軌道予測のための新しいフレームワークを提示した。最近の神経科学発見に動機付けられて,著者らは,性能を改善するための歴史的情報を獲得するために,人間の軌道予測パイプラインにおける構造化されたメモリ成分を組み込むことを提案した。メモリコンテンツを階層的にモデル化するための構造化LSTMセルを導入し,情報の空間時間的構造を保存し,短期的および長期的コンテキストの両方を捉えることを可能にした。著者らは,このアーキテクチャが,どんな監視なしで意思決定のための重要な情報を自動的に保存し,検索するために,複数のモダリティから顕著な情報を統合するために拡張できることを実証した。提案したモデルの有効性を,レーダシステムから得た40,000の歩行者軌跡と公共場所に設置したCCTVカメラシステムからなる新しい多モードデータセットについて評価した。また,性能を公的に利用可能なニューヨークGrand中央歩行者データベース上で評価した。両方の設定において,提案したモデルは,既存の技術の状態と比較して,将来の歩行者運動をより良く予測する能力を実証した。本論文に関連するデータは,https://github.com/qutsaivt/SAIVTMultiSpectralTrajectoryDatasetで利用可能である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューヨーク州 ,  データベース ,  意思決定 ,  モデリング ,  計算機アーキテクチャ ,  録画装置 ,  *歩行者 ,  コンテンツ ,  *予測 ,  多モード ,  レーダ ,  *記憶装置 ,  *軌跡 ,  有効性
準シソーラス用語： モダリティ , 【Automatic Indexing@JST】

著者キーワード (4件)： 人間の軌道予測 ,  構造化メモリネットワーク ,  マルチモーダル情報融合 ,  長期計画

分類 (2件)： 人工知能  (JE08000Z) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (5件)： 構造化 ,  メモリ階層 ,  歩行者 ,  軌跡 ,  予測