Deep Learning Driven Visual Path Prediction from a Single Image

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

Deep Learning Driven Visual Path Prediction from a Single Image_第1张图片

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)

Deep Learning Driven Visual Path Prediction from a Single Image_第2张图片

3、Path planing

  算法:graph shortest path 算法

Deep Learning Driven Visual Path Prediction from a Single Image_第3张图片

数据集

训练:VIRAT 数据集

测试:KIT AIS Dataset

评测方法

modified Hausdorff distance(MHD)

你可能感兴趣的:(Deep Learning Driven Visual Path Prediction from a Single Image)