Predicting driver’s attention in BDD-A dataset using Multi-Level Feature-Based attention map and ConvLSTM

カテゴリ: 研究会(論文単位)

論文No: PI21017,IIS21030

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2021/03/20

タイトル(英語): Predicting driver's attention in BDD-A dataset using Multi-Level Feature-Based attention map and ConvLSTM

著者名: スルタナ レベッカ(静岡大学),大橋 剛介(静岡大学)

著者名(英語): Rebeka Sultana(Shizuoka University),Gosuke Ohashi(Shizuoka University)

キーワード: Driver's attention|deep learning|attention map|convLSTM

要約(日本語): 本研究では、重要な瞬間の運転者の注視領域を推定するためのCNNモデルを提案する。マルチスケールの情報を取得するために、特徴抽出器の低次から高次の特徴からAttention mapを生成し、Atrous Spatial Pyramid Pooling (ASPP)を組み込み、高次の特徴のAttention機構に使用する。そして、時系列データに対応するため、畳み込みLSTMを使用する。BDD-Aデータセットに対して定量評価を行ったところ、BDD-Aデータセット用に提案されたモデルよりも本手法が優れていることを

要約(英語): In this study, we propose a CNN based model to predict driver’s attention in critical moment. The model takes low-level and high-level features to generate an attention map which is applied to high-level feature through attention mechanism to extract the important cues for visual attention. Moreover, Atrous Spatial Pyramid Pooling (ASPP) module is incorporated to extract multi-scale context from attention features. Finally, convolutional LSTM is used to process temporal information. Quantitative results show that proposed model outperforms the state-of-the-art model proposed for BDD-A dataset in terms of evaluation metrics.

本誌: 2021年3月23日知覚情報/次世代産業システム合同研究会

本誌掲載ページ: 45-51 p

原稿種別: 英語

PDFファイルサイズ: 850 Kバイト