MEDIRL-EyeCar

JupyterNotebook

（，（，（，，（，去做修改代码并添加缺少的功能将数据格式更改为.json文件（EyeCar）概述受人类视觉注意力的启发，我们引入了最大熵深度逆强化学习（MEDIRL）框架，用于对即将发生的后端碰撞中驾驶员的视觉注意力分配进行建模。 MEDIRL由视觉，驾驶和注意模块组成。给定人类的前视驾驶视频和相应的注视，视觉和驾驶模块分别提取通用的和特定于驾驶的视觉特征。最后，注意力模块学习由专注驾驶员记录的眼睛注视策略引起的内在任务敏感奖励功能。 MEDIRL使用学习到的策略来预测驾驶员的视觉注意力分配。我们还介绍了EyeCar，这是在容易发生事故的情况下新的驾驶员视觉注意数据集。我们进行了全面的实验，结果表明，在以下大规模驾驶注意力基准数据集上，MEDIRL在驾驶任务相关的视觉注意力分配方面优于以前的最新方法：DR（eye）VE，BDD-A和DADA- 20

文件下载

资源详情

[{"title":"（ 130 个子文件 47.84MB ） MEDIRL-EyeCar","children":[{"title":"attention_LAST.pkl 30.71KB ","children":null,"spread":false},{"title":"saved_model_Final.pb 21.82MB ","children":null,"spread":false},{"title":"attention_BEST.pkl 30.71KB ","children":null,"spread":false},{"title":"driving_BEST.pkl 390.63KB ","children":null,"spread":false},{"title":"driving_LAST.pkl 390.63KB ","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"文件过多，未全部展示","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

MEDIRL-EyeCar

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载