Resumen

La falta de datos de tráfico es un cuello de botella que restringe el desarrollo de los Sistemas de Transporte Inteligente (ITS, por sus siglas en inglés). La mayoría de los métodos existentes de completación de datos de tráfico se enfocan en datos de baja dimensionalidad, los cuales no pueden manejar datos de video de alta dimensionalidad. Por lo tanto, este artículo propone un modelo de red adversaria generadora de datos de tráfico completos (TDC-GAN) para resolver el problema de fotogramas faltantes en videos de tráfico. Basado en la Red de Pirámide de Características (FPN, por sus siglas en inglés), hemos diseñado un modelo de extracción de información semántica multinivel, que emplea un mecanismo de convolución para extraer características informativas de datos de alta dimensionalidad. Además, al construir un modelo discriminador con redes de ramas globales y locales, se capturan la información temporal y espacial para asegurar la consistencia espacio-temporal de los fotogramas consecutivos. Finalmente, el modelo TDC-GAN realiza experimentos de completación de

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Datos de tráfico; Sistemas de Transporte Inteligente; TDC-GAN; Red de Pirámide de Características; Extracción de información semántica a múltiples escalas; Modelo de discriminador
• Keywords:Traffic data; Intelligent Transportation Systems; TDC-GAN; Feature Pyramid Network; Multiscale semantic information extraction; Discriminator model