CV——day81（1） 读论文： 基于自监督一致性学习的驾驶场景交通事故检测（有源码）

基于自监督一致性学习的驾驶场景交通事故检测

Traffic Accident Detection via Self-Supervised Consistency Learning in Driving Scenarios

模型叫做SSC-TAD，包括外观，动作和上下文一致性学习。

代码地址：GitHub - JWFangit/LOTVS-DADA: Driver Attention Prediction in Accidental Scenarios

http://t.csdn.cn/4VzF0

I. INTRODUCTION

在本工作中，我们吸收了这两种框架的优点，进一步提出了TAD框架，将daschcam视频帧所捕获的视觉场景上下文一致性纳入其中。其主要表述是基于正常的驾驶状态服从道路参与者之间相对规则的空间关系结构，事故对象通常涉及空间关系结构的突然或不规则变化。

III. OUR APPROACH

我们从帧外观一致性、目标运动一致性和场景上下文一致性三个方面对交通事故检测进行建模(the consideration of frame appearance consistency, object motion consistency and scene context consistency)。因此，本文的交通事故检测的目标是定位**“异常到事故”(anomaly-to-accident, A2A)**的时间窗口，在该时间窗口中，一旦发生事故的物体出现在场景中，A2A的起始时间就会被激活。根据A2A的定义，本工作可适用于早期交通事故检测(有待实验验证)。