KIT | KIT-Bibliothek | Impressum | Datenschutz

Strategies for supplementing recurrent neural network training for spatio-temporal prediction = Strategien zur Unterstützung des Trainings von Rekurrenten Neuronalen Netzen zur räumlich-zeitlichen Vorhersage

Schutera, Mark 1; Elser, Stefan; Abhau, Jochen; Mikut, Ralf ORCID iD icon 1; Reischl, Markus ORCID iD icon 1
1 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)

Abstract (englisch):

In autonomous driving, prediction tasks address complex spatio-temporal data. This article describes the examination of Recurrent Neural Networks (RNNs) for object
trajectory prediction in the image space. The proposed methods enhance the performance and spatio-temporal prediction capabilities of Recurrent Neural Networks. Two different data augmentation strategies and a hyperparameter search are implemented for this purpose. A conventional data augmentation strategy and a Generative Adversarial Network (GAN) based strategy are analyzed with respect
to their ability to close the generalization gap of Recurrent Neural Networks. The results are then discussed using single-object tracklets provided by the KITTI Tracking
Dataset. This work demonstrates the benefits of augmenting spatio-temporal data with GANs.


Download
Originalveröffentlichung
DOI: 10.1515/auto-2018-0124
Scopus
Zitationen: 6
Web of Science
Zitationen: 5
Dimensions
Zitationen: 6
Zugehörige Institution(en) am KIT Institut für Automation und angewandte Informatik (IAI)
Publikationstyp Zeitschriftenaufsatz
Publikationsmonat/-jahr 07.2019
Sprache Englisch
Identifikator ISSN: 2196-677X, 0178-2312
KITopen-ID: 1000096468
HGF-Programm 47.01.02 (POF III, LK 01) Biol.Netzwerke u.Synth.Regulat. IAI
Erschienen in Automatisierungstechnik
Verlag De Gruyter
Band 67
Heft 7
Seiten 545–556
Vorab online veröffentlicht am 06.07.2019
Schlagwörter Generative Adversarial Networks, data augmentation,, Recurrent Neural Networks, generalization,, trajectory prediction
Nachgewiesen in Web of Science
Dimensions
Scopus
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page