6月6日消息,近日,蘑菇車聯(lián)提出BalanceHRNet人體姿態(tài)估計(jì)模型,能夠幫助自動(dòng)駕駛精準(zhǔn)識(shí)別行人意圖。這一研究成果被國際頂級(jí)期刊Neural Networks收錄。
Neural Networks是世界三大神經(jīng)網(wǎng)絡(luò)領(lǐng)域權(quán)威學(xué)術(shù)期刊之一,也是SCI一區(qū)期刊,涉及行為學(xué)、腦建模、學(xué)習(xí)算法、數(shù)學(xué)和計(jì)算分析,以及使用神經(jīng)網(wǎng)絡(luò)概念和技術(shù)的工程和技術(shù)應(yīng)用。
目前,人體姿態(tài)估計(jì)的主流方法是使用神經(jīng)網(wǎng)絡(luò)來識(shí)別人體關(guān)鍵點(diǎn)。近年來,該領(lǐng)域研究人員提出多種深度學(xué)習(xí)模型來提高人體姿態(tài)估計(jì)的準(zhǔn)確性,包括主流的HigherHRNe模型。
盡管這一模型已經(jīng)取得很大進(jìn)步,但在復(fù)雜環(huán)境或者擁擠場景下,不同個(gè)體間的相互遮擋會(huì)導(dǎo)致檢測難度激增,識(shí)別準(zhǔn)確性會(huì)大大降低。
鑒于此,蘑菇車聯(lián)提出BalanceHRNet模型,該模型借鑒HigherHRNet的多分支結(jié)構(gòu)和融合方法,克服HigherHRNet無法獲取大感受野的缺點(diǎn),在更小計(jì)算量的情況下提高準(zhǔn)確性。
BalanceHRNet具有三大優(yōu)勢:具備更大感受野,可以提取更豐富的語義信息,并且具有較高準(zhǔn)確性;提出平衡高分辨率模塊BHRM,可以獲取物體多尺度特征;學(xué)習(xí)不同分支的重要性,讓模型自己決定不同分支的意義。
測試結(jié)果表明,BalanceHRNet能夠有效提升人體姿態(tài)估計(jì)準(zhǔn)確性。研究人員將CrowdPose數(shù)據(jù)集用作測試數(shù)據(jù)集,并以HigherHRNet、AlphaPose、OpenPose等模型為比較模型。
數(shù)據(jù)顯示,BalanceHRNet測得平均正確率為63.0%,比最佳模型HigherHRNet提高3.1%,準(zhǔn)確率為目前業(yè)界最高水平。每一幀畫面的感知準(zhǔn)確率都提升3.1%,數(shù)字看著小,但對(duì)自動(dòng)駕駛安全性的整體提升影響很大。
研究人員還通過COCO(2017)關(guān)鍵點(diǎn)檢測數(shù)據(jù)集展示BalanceHRNet網(wǎng)絡(luò)的有效性,BalanceHRNet模型比平均正確率提高1.6%。
目前,BalanceHRNet已被蘑菇車聯(lián)用于高精地圖,提高了感知成功率和地圖精度。
作為行業(yè)領(lǐng)先的自動(dòng)駕駛全棧技術(shù)與運(yùn)營服務(wù)提供商,蘑菇車聯(lián)持續(xù)推動(dòng)數(shù)字交通、自動(dòng)駕駛領(lǐng)域的技術(shù)突破。
近半年來,蘑菇車聯(lián)CAMO-MOT算法、IPS300+路側(cè)多模態(tài)目標(biāo)檢測數(shù)據(jù)集、multi-to-single知識(shí)蒸餾框架、InterFusion融合感知、BalanceHRNet模型等研究成果陸續(xù)被國際頂級(jí)學(xué)術(shù)機(jī)構(gòu)收錄,這意味著相關(guān)技術(shù)達(dá)到世界領(lǐng)先水平。
- 蜜度索驥:以跨模態(tài)檢索技術(shù)助力“企宣”向上生長
- 特斯拉CEO馬斯克身家暴漲,穩(wěn)居全球首富寶座
- 阿里巴巴擬發(fā)行 26.5 億美元和 170 億人民幣債券
- 騰訊音樂Q3持續(xù)穩(wěn)健增長:總收入70.2億元,付費(fèi)用戶數(shù)1.19億
- 蘋果Q4營收949億美元同比增6%,在華營收微降
- 三星電子Q3營收79萬億韓元,營業(yè)利潤受一次性成本影響下滑
- 賽力斯已向華為支付23億,購買引望10%股權(quán)
- 格力電器三季度營收同比降超15%,凈利潤逆勢增長
- 合合信息2024年前三季度業(yè)績穩(wěn)?。籂I收增長超21%,凈利潤增長超11%
- 臺(tái)積電四季度營收有望再攀高峰,預(yù)計(jì)超260億美元刷新紀(jì)錄
- 韓國三星電子決定退出LED業(yè)務(wù),市值蒸發(fā)超4600億元
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請(qǐng)進(jìn)一步核實(shí),并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。