典型文献
基于Transformer动态场景信息生成对抗网络的行人轨迹预测方法
文献摘要：
行人轨迹预测是视频监控的重要组成部分,因现有方法未充分利用场景特征信息造成其预测轨迹不符合生活常识,导致行人轨迹预测精度较低出现明显偏离真实轨迹的情况.针对上述不足本文提出一种基于Transform?er动态场景信息生成对抗网络(Generative Adversarial Network,GAN)的行人轨迹预测方法.该方法利用动态场景特征提取模块的卷积神经网络(Convolutional Neural Networks,CNN)模型对目标行人的动态场景信息进行特征提取,同时生成器网络中的编码器利用Transformer对行人的社会交互信息特征以及轨迹信息特征进行建模.在ETH和UCY数据集上的实验结果表明,与Social GAN模型相比,本文方法在多个场景下的平均位移误差准确率提高了25.61％,最终位移误差准确率提高了38.44％.
文献关键词：
行人轨迹预测;生成对抗网络;转换器;深度学习;长短期记忆网络
中图分类号：
作者姓名：
裴炤;邱文涛;王淼;马苗;张艳宁
作者机构：
陕西师范大学现代教学技术教育部重点实验室,陕西西安710119;陕西师范大学计算机科学学院,陕西西安710119;上海交通大学航空航天学院,上海200240;空天地海一体化大数据应用技术国家工程实验室,陕西西安710129;西北工业大学计算机学院,陕西西安710129
文献出处：
引用格式：
[1]裴炤;邱文涛;王淼;马苗;张艳宁-.基于Transformer动态场景信息生成对抗网络的行人轨迹预测方法)[J].电子学报,2022(07):1537-1547
A类：
B类：
Transformer,动态场景,生成对抗网络,行人轨迹预测,视频监控,特征信息,预测轨迹,常识,足本,Generative,Adversarial,GAN,法利,场景特征提取,取模,Convolutional,Neural,Networks,生成器,编码器,社会交互,交互信息,信息特征,轨迹信息,ETH,UCY,Social,平均位移,位移误差,转换器,长短期记忆网络
AB值：
0.311731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
