多任务互指导网络

可解释预测

引入辅助的姿态生成任务，利用生成的行人未来姿态为过街意图预测提供直观解释。

杨彪 · Zhuoer, Fan · 胡宏宇 · Hu, Chuan · Ni, Rongrong

IEEE Transactions on Intelligent Vehicles 2025

参数信息

F1值

92 %

召回率

90 %

F1值

73 %

召回率

89 %

技术优势

预测更准

通过引入行人姿态生成辅助任务，融合历史姿态、语义分割图和距离等多源信息，MTMGN在PIE数据集上召回率达90%。

可解释

生成的未来行人姿态为过街意图预测提供了直观的可视化解释，便于理解模型决策依据。

应用场景

• 行人意图预测：实时预测行人过街意图，为车辆决策提供先验信息。
• 可解释自动驾驶：利用生成姿态解释模型预测，增强系统透明度。
• 智能车辆决策：结合预测意图优化车辆行为规划，提高安全性。