| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-10-09 15:15 Deep Learningを用いた経路予測の研究動向 ○箕浦大晃・平川 翼・山下隆義・藤吉弘亘（中部大）  PRMU2020-29 |
|
| 抄録 | （和） | 経路予測は，歩行者や自動車などの移動物体が未来にどのような経路を辿るかを過去の軌跡から予測する技術である．経路予測は古くからベイズモデルやSocial-Forceモデルを利用して研究されてきたが，Deep Learning (DL) の発展によりConvolutional Neural Network及び，Long Short-Term Memoryを利用した手法に大きく移り変わっている．これらを利用した予測手法は車載カメラ映像視点や俯瞰視点，人の位置情報や物体情報など様々な要素を組み合わせてモデル化することで高精度な予測経路を獲得している．そこで，本稿ではDLを活用した経路予測手法についてサーベイし，様々な予測手法について述べつつ体系的にまとめる．また，定量的評価のために使用されるデータセット及び，評価指標についても紹介する．更に，代表的なモデルについて複数のデータセットを用いて精度評価を行い，各モデルの精度及び予測結果について議論を行う． |
| （英） | Trajectory forecasting is the technology of predicting the path along which moving objects such as a pedestrian and vehicle will move in the future. It has been studied for a long time using Bayesian model and Social-Force model. On the other hand, it has changed dramatically to the method using Convolutional Neural Network and Long Short-Term Memory by the development of Deep Learning (DL). These methods predict high-precision paths by modeling and combining factors such as different viewpoints, person-location, and object information. In this paper, we survey trajectory forecasting methods with DL and systematically summarize various prediction methods. We also introduce the datasets and the evaluation metrics used for the quantitative evaluation.Furthermore, we evaluate prediction accuracy with multiple datasets about the typical methods and discuss the accuracy and the prediction result of each model. | |
| キーワード | （和） | Deep Learning / 経路予測 / データセット / 評価指標 / サーベイ / / / |
| （英） | Deep Learning / Trajectory Forecasting / Dataset / Evaluation metrics / Survey / / / | |
| 文献情報 | 信学技報, vol. 120, no. 187, PRMU2020-29, pp. 62-78, 2020年10月. | |
| 資料番号 | PRMU2020-29 | |
| 発行日 | 2020-10-02 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2020-29 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-10-09 - 2020-10-10 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 人に関わる認識・理解 |
| テーマ（英） | Recognition and understating of human |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-10-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | Deep Learningを用いた経路予測の研究動向 |
| サブタイトル（和） | |
| タイトル（英） | Trajectory Forecasting using Deep Learning: A Survey |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Deep Learning / Deep Learning |
| キーワード(2)（和/英） | 経路予測 / Trajectory Forecasting |
| キーワード(3)（和/英） | データセット / Dataset |
| キーワード(4)（和/英） | 評価指標 / Evaluation metrics |
| キーワード(5)（和/英） | サーベイ / Survey |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 箕浦 大晃 / Horoaki Minoura / ミノウラ ヒロアキ |
| 第1著者 所属（和/英） | 中部大学 (略称： 中部大) Chubu University (略称： Chubu Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 平川 翼 / Tsubasa Hirakawa / ヒラカワ ツバサ |
| 第2著者 所属（和/英） | 中部大学 (略称： 中部大) Chubu University (略称： Chubu Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 山下 隆義 / Takayoshi Yamashita / ヤマシタ タカヨシ |
| 第3著者 所属（和/英） | 中部大学 (略称： 中部大) Chubu University (略称： Chubu Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 藤吉 弘亘 / Hironobu Fujiyoshi / フジヨシ ヒロノブ |
| 第4著者 所属（和/英） | 中部大学 (略称： 中部大) Chubu University (略称： Chubu Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-10-09 15:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-29 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.187 |
| ページ範囲 | pp.62-78 |
| ページ数 | 17 |
| 発行日 | 2020-10-02 (PRMU) |
[研究会発表申込システムのトップページに戻る]