論文の概要: Driver Safety Development Real Time Driver Drowsiness Detection System Based on Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2001.05137v3
• Date: Fri, 28 May 2021 04:30:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 06:25:00.051488
• Title: Driver Safety Development Real Time Driver Drowsiness Detection System Based on Convolutional Neural Network
• Title（参考訳）: 畳み込みニューラルネットワークを用いたドライバ安全開発リアルタイムドライバ眠気検出システム
• Authors: Maryam Hashemi, Alireza Mirrashid, Aliasghar Beheshti Shirazi
• Abstract要約: 本稿では,道路上での運転者の安全に関する課題に焦点をあて,眠気検知のための新しいシステムを提案する。 眠気の兆候としてドライバの睡眠状態を検出するために、畳み込みニューラルネットワーク(CNN)を用いる。
• 参考スコア（独自算出の注目度）: 1.7188280334580195
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper focuses on the challenge of driver safety on the road and presents a novel system for driver drowsiness detection. In this system, to detect the falling sleep state of the driver as the sign of drowsiness, Convolutional Neural Networks (CNN) are used with regarding the two goals of real-time application, including high accuracy and fastness. Three networks introduced as a potential network for eye status classifcation in which one of them is a Fully Designed Neural Network (FD-NN) and others use Transfer Learning in VGG16 and VGG19 with extra designed layers (TL-VGG). Lack of an available and accurate eye dataset strongly feels in the area of eye closure detection. Therefore, a new comprehensive dataset proposed. The experimental results show the high accuracy and low computational complexity of the eye closure estimation and the ability of the proposed framework on drowsiness detection.
• Abstract（参考訳）: 本稿では,道路における運転者の安全に関する課題に着目し,運転者の眠気検出のための新しいシステムを提案する。 本システムでは、眠気の徴候としてドライバの睡眠状態を検出するために、高い精度と高速性を含むリアルタイム応用の2つの目標に関して畳み込みニューラルネットワーク(cnn)を使用する。 3つのネットワークは、視覚状態分類のための潜在的なネットワークとして導入され、そのうちの1つはフルデザインニューラルネットワーク(FD-NN)であり、他のネットワークは、追加設計層(TL-VGG)を備えたVGG16とVGG19でトランスファーラーニングを使用している。 利用可能な正確な眼球データセットの欠如は、眼球閉鎖検出の領域で強く感じられる。 そのため、新しい総合データセットが提案された。 実験の結果,眼球閉鎖推定の高精度・低計算複雑性と,眠気検出のためのフレームワークの有効性が示された。

関連論文リスト

• N-DriverMotion: Driver motion learning and prediction using an event-based camera and directly trained spiking neural networks [2.3941497253612085]
  本稿では,ドライバーの動きを学習し,予測する新しいシステムと,イベントベース高分解能データセット(1280x720)を提案する。 提案したニューロモルフィック視覚システムは、CSNNアーキテクチャでドライバの動きを認識する際に、同等の精度94.04%を達成する。
  論文  参考訳（メタデータ） (2024-08-23T21:25:16Z)
• VigilEye -- Artificial Intelligence-based Real-time Driver Drowsiness Detection [0.5549794481031468]
  本研究では,深層学習技術とOpenCVフレームワークを組み合わせた新しいドライバの眠気検知システムを提案する。 このシステムは、運転者の顔から抽出された顔のランドマークを、眠気パターンを認識するために訓練された畳み込みニューラルネットワークに入力する。 提案システムは,運転者の疲労による事故を防止するため,タイムリーな警報を提供することで,道路安全を高めることができる。
  論文  参考訳（メタデータ） (2024-06-21T20:53:49Z)
• Deep Neural Networks Tend To Extrapolate Predictably [51.303814412294514]
  ニューラルネットワークの予測は、アウト・オブ・ディストリビューション(OOD)入力に直面した場合、予測不可能で過信される傾向がある。 我々は、入力データがOODになるにつれて、ニューラルネットワークの予測が一定値に向かう傾向があることを観察する。 我々は、OOD入力の存在下でリスクに敏感な意思決定を可能にするために、私たちの洞察を実際に活用する方法を示します。
  論文  参考訳（メタデータ） (2023-10-02T03:25:32Z)
• Rethinking Voxelization and Classification for 3D Object Detection [68.8204255655161]
  LiDARポイントクラウドからの3Dオブジェクト検出の主な課題は、ネットワークの信頼性に影響を与えることなく、リアルタイムのパフォーマンスを実現することである。 本稿では,高速な動的ボキセラライザを実装することにより,ネットワークの推論速度と精度を同時に向上するソリューションを提案する。 さらに,予測対象を分類し,偽検出対象をフィルタリングする軽量検出サブヘッドモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-10T16:22:04Z)
• Blind-Spot Collision Detection System for Commercial Vehicles Using Multi Deep CNN Architecture [0.17499351967216337]
  高レベル特徴記述子に基づく2つの畳み込みニューラルネットワーク(CNN)は、重車両の盲点衝突を検出するために提案される。 盲点車両検出のための高次特徴抽出のための2つの事前学習ネットワークを統合するために,融合手法を提案する。 機能の融合により、より高速なR-CNNの性能が大幅に向上し、既存の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-08-17T11:10:37Z)
• Driver Drowsiness Detection Using Ensemble Convolutional Neural Networks on YawDD [0.0]
  我々は、YawDDデータセットに4つの異なる畳み込みニューラルネットワーク(CNN)技術を適用し、悲しみの度合いを検出し、調査した。 予備的な計算結果から,提案したECNNは従来のCNN方式よりも0.935のF1スコアを達成できた。
  論文  参考訳（メタデータ） (2021-12-20T01:04:52Z)
• Hybrid SNN-ANN: Energy-Efficient Classification and Object Detection for Event-Based Vision [64.71260357476602]
  イベントベースの視覚センサは、画像フレームではなく、イベントストリームの局所的な画素単位の明るさ変化を符号化する。 イベントベースセンサーによる物体認識の最近の進歩は、ディープニューラルネットワークの変換によるものである。 本稿では、イベントベースのパターン認識とオブジェクト検出のためのディープニューラルネットワークのエンドツーエンドトレーニングのためのハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-06T23:45:58Z)
• Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
  本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。 具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。 提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
  論文  参考訳（メタデータ） (2020-12-26T19:41:15Z)
• Complex-valued Iris Recognition Network [44.40424033688897]
  我々は、虹彩認識のタスクのために、完全に複雑に評価されたニューラルネットワークを設計する。 ND-CrossSensor-2013, CASIA-Iris-Thousand, UBIRIS.v2の3つのベンチマークデータセットで実験を行った。 我々は、複雑な価値ネットワークを、標準的な実価値ネットワークと比較すると、虹彩テクスチャから根本的に異なる特徴を抽出する方法を伝えるために、可視化スキームを利用する。
  論文  参考訳（メタデータ） (2020-11-23T03:36:18Z)
• Robust Two-Stream Multi-Feature Network for Driver Drowsiness Detection [16.474150429342153]
  NTHU-DDD(Nation Tsing Hua University Driver Drowsiness Detection)による眠気検知システムの訓練と評価 94.46%の精度が得られ、既存の疲労検出モデルよりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T08:49:35Z)
• Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
  本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。 本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。 提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
  論文  参考訳（メタデータ） (2020-01-10T05:29:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。