免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

針對上述問題，我們對訓練集做了2項預處理來提高訓練集與測試集分布的一致性：

平衡性采樣；

場景數據正則化（缺失軌跡點插值，軌跡中心化以及隨機旋轉）。

此外，對于預測結果，我們也做了相應的后處理操作進行軌跡修正，主要是軌跡點的裁剪以及基于非極大值抑制的軌跡選擇。圖7展示了兩個場景中行人的運動區域，可以看到有明顯的邊界，對于超出邊界的軌跡，我們做了相應的修正，從而保證軌跡的合理性。

圖7 訓練軌跡的可視化

最后在訓練技巧上，我們也使用K－Fold Cross Validation和Grid Search方法來做自適應的參數調優。最終在測試集上取得FDE 1．24米的性能，而獲得比賽第二名的方法的FDE為1．30米。

五、總結

行人軌跡預測是當前一個非常熱門的研究領域，隨著越來越多的學者以及研究機構的參與，預測方法也在日益地進步與完善。美團無人配送團隊也期待能與業界一起在該領域做出更多、更好的解決方案。幸運的是，這次競賽的場景與我們美團無人配送的場景具備一定的相似性，所以我們相信未來它能夠直接為業務賦能。目前，我們已經將該研究工作在競賽中進行了測試，也驗證了算法的性能，同時為該算法在業務中落地提供了一個很好的支撐。

參考資料

［1］ Zhang P， Ouyang W， Zhang P， et al． Sr－lstm： State refinement for lstm towards pedestrian trajectory prediction［C］／／Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition． 2019： 12085－12094．

［2］ Gupta A， Johnson J， Fei－Fei L， et al． Social gan： Socially acceptable trajectories with generative adversarial networks［C］／／Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition． 2018： 2255－2264．

［3］ Sadeghian A， Kosaraju V， Sadeghian A， et al． Sophie： An attentive gan for predicting paths compliant to social and physical constraints［C］／／Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition． 2019： 1349－1358．

［4］ Liang J， Jiang L， Niebles J C， et al． Peeking into the future： Predicting future person activities and locations in videos［C］／／Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition． 2019： 5725－5734．

［5］ Zhu Y， Qian D， Ren D， et al． StarNet： Pedestrian trajectory prediction using deep neural network in star topology［C］／／Proceedings of the IEEE／RSJ International Conference on Intelligent Robots and Systems． 2019： 8075－8080．

［6］ Li X， Ying X， Chuah M C． GRIP： Graph－based interaction－aware trajectory prediction［C］／／Proceedings of the  IEEE Intelligent Transportation Systems Conference． IEEE， 2019： 3960－3966．

［7］ Mohamed A， Qian K， Elhoseiny M， et al． Social－STGCNN： A Social spatio－temporal graph convolutional neural network for human trajectory prediction［J］． arXiv preprint arXiv：2002．11927， 2020．

［8］ Huang Y， Bi H K， Li Z， et al． STGAT： Modeling spatial－temporal interactions for human trajectory prediction［C］／／Proceedings of the IEEE International Conference on Computer Vision． 2019： 6272－6281．

［9］ Gao J， Sun C， Zhao H， et al． VectorNet： Encoding HD maps and agent dynamics from vectorized representation［J］． arXiv preprint arXiv：2005．04259， 2020．

［10］ Zhu Y， Ren D， Fan M， et al． Robust trajectory forecasting for multiple intelligent agents in dynamic scene［J］． arXiv preprint arXiv：2005．13133， 2020．

關于我“門”

將門是一家以專注于發掘、加速及投資技術驅動型創業公司的新型創投機構，旗下涵蓋將門創新服務、將門技術社群以及將門創投基金。將門成立于2015年底，創始團隊由微軟創投在中國的創始團隊原班人馬構建而成，曾為微軟優選和深度孵化了126家創新的技術型創業公司。

將門創新服務專注于使創新的技術落地于真正的應用場景，激活和實現全新的商業價值，服務于行業領先企業和技術創新型創業公司。

將門技術社群專注于幫助技術創新型的創業公司提供來自產、學、研、創領域的核心技術專家的技術分享和學習內容，使創新成為持續的核心競爭力。

將門創投基金專注于投資通過技術創新激活商業場景，實現商業價值的初創企業，關注技術領域包括機器智能、物聯網、自然人機交互、企業計算。在近四年的時間里，將門創投基金已經投資了包括量化派、碼隆科技、禾賽科技、寬拓科技、杉數科技、迪英加科技等數十家具有高成長潛力的技術型創業公司。