Social-STGCNN：用于人类轨迹预测的社会时空图卷积神经网络
阿卜杜拉·穆罕默德·昆茜
Mohamed Elhoseiny **，Christian Claudel **
**平等建议
阅读全文，在
社会-STGCNN
我们提出了社会时空图卷积神经网络（Social-STGCNN），该模型将人类轨迹预测问题建模为时空图。 我们的结果表明，与先前报道的方法相比，最终位移误差（FDE）较现有技术提高了20％，平均位移误差（ADE）的改进比参数减少了8.5倍，推理速度提高了48倍。 此外，我们的模型具有较高的数据效率，仅使用20％的训练数据就超出了ADE指标上的现有技术水平。 我们提出了一个核函数，将行人之间的社交互动嵌入邻接矩阵中。
仅使用7.6K参数，我们的模型推断速度为0.002s /帧（500Hz）。
Citaion
您可以使用以下方法引用我们的论文：
@inprocee
2023-02-12 10:01:07
11MB
1
Intention Recognition of Pedestrians and Cyclists by 2D Pose的涂鸦版本 Estimation
IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS,2020
task：行人和骑自行车者过马路的意图理解
2022-04-06 03:12:07
12.99MB
1
PaddleDetection训练单/多镜头行人追踪模型
项目效果：
项目AI Studio： :
视频地址： :
!z ip code . zip - r work / PaddleDetection - release - 2.0 - rc /
简介
PaddleDetection飞轮目标检测开发套件，有助于开发者更快更好地完成检测模型的组建，训练，优化及部署等全开发流程。
PaddleDetection快速地实现了多种主流目标检测算法，提供了丰富的数据增强策略，网络模块组件（如骨干网络），损失函数等，并集成了模型压缩和跨平台高效部署能力。
经过连续产业实践打磨，桨检测已拥有顺畅，卓越的使用体验，被工业质检，转化图像检测，无人巡检，新零售，互联网，科研等十多个行业的开发者广泛应用。
解压数据集：
该项目数据集使用COCO数据集中的行人部分。
!u nzip - oq da
2021-05-04 15:45:53
11.41MB
1