Fugu-MT 論文翻訳(概要): Iris segmentation techniques to recognize the behavior of a vigilant driver

論文の概要: Iris segmentation techniques to recognize the behavior of a vigilant driver

arxiv url: http://arxiv.org/abs/2005.02450v1
Date: Tue, 5 May 2020 19:49:46 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 14:35:05.702894
Title: Iris segmentation techniques to recognize the behavior of a vigilant driver
Title（参考訳）: 警戒運転者の行動認識のためのアイリスセグメンテーション技術
Authors: Abdullatif Baba
Abstract要約: 本稿では,車両運転者の警戒レベルをどう認識するかを明らかにする。最終決定には2変数に依存するファジィ論理系を用いる。
参考スコア（独自算出の注目度）: 6.85316573653194
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we clarify how to recognize different levels of vigilance for vehicle drivers. In order to avoid the classical problems of crisp logic, we preferred to employ a fuzzy logic-based system that depends on two variables to make the final decision. Two iris segmentation techniques are well illustrated. A new technique for pupil position detection is also provided here with the possibility to correct the pupil detected position when dealing with some noisy cases.
Abstract（参考訳）: 本稿では,車両運転者に対する警戒レベルの違いを認識する方法を明らかにする。クラップ論理の古典的な問題を避けるため、我々は2変数に依存するファジィ論理ベースのシステムを用いて最終決定を行うことを好んだ。 2つの虹彩分割技術がよく示されている。また, 瞳孔位置検出のための新しい手法として, 雑音のある場合に瞳孔位置を補正する手法も提案されている。

関連論文リスト

Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
車線検出は自律運転認識システムにおいて重要な役割を果たす。ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
論文参考訳（メタデータ） (2024-11-25T12:09:43Z)
SOAR: Scene-debiasing Open-set Action Recognition [81.8198917049666]
本稿では、対向的なシーン再構成モジュールと適応的な対向的なシーン分類モジュールを備えた、Scene-debiasing Open-set Action Recognition (SOAR)を提案する。前者は、デコーダが映像特徴の映像背景を再構成することを防止し、特徴学習における背景情報を低減する。後者は、アクションフォアグラウンドに特に重点を置いて、映像の特徴を与えられたシーンタイプの分類を混乱させることを目的としており、シーン不変情報を学習するのに役立つ。
論文参考訳（メタデータ） (2023-09-03T20:20:48Z)
Perspective Aware Road Obstacle Detection [104.57322421897769]
道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
論文参考訳（メタデータ） (2022-10-04T17:48:42Z)
Two-headed eye-segmentation approach for biometric identification [3.4998703934432682]
本稿では,2つの異なるデコードモジュールを用いて眼球成分とアイラッシュを分割する新しい2つの頭部アーキテクチャを提案する。両面アプローチにより,先行した凸によるモデルの品質評価も可能となった。実環境における様々な学習シナリオについて,高分解能近赤外虹彩画像を用いて広範囲に評価を行った。
論文参考訳（メタデータ） (2022-09-30T13:52:03Z)
Oracle Analysis of Representations for Deep Open Set Detection [32.450481640129645]
新たなクラスを実行時に検出する問題は、Open Set Detection &として知られており、医療アプリケーションや自動運転など、さまざまな現実世界のアプリケーションにおいて重要である。深層学習の文脈における開集合検出は、入力された画像から外れ値を検出するのに十分な情報を含む潜在表現にマッピングしなければならないことと、(ii)潜在表現からこれらの情報を抽出して異常を識別する異常スコア関数を学習しなければならない、という2つの問題を解決することを含む。
論文参考訳（メタデータ） (2022-09-22T23:54:42Z)
Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文参考訳（メタデータ） (2022-07-08T09:23:59Z)
Driving Style Recognition Using Interval Type-2 Fuzzy Inference System and Multiple Experts Decision Making [1.6850653399436653]
運転スタイルは、車両の動きを反映する様々な運転動作を要約する。本稿では,複数専門家によるファジィ推論システムを用いた運転スタイル認識を提案する。
論文参考訳（メタデータ） (2021-10-26T16:03:22Z)
Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
論文参考訳（メタデータ） (2021-10-20T01:37:19Z)
Do Gradient-based Explanations Tell Anything About Adversarial Robustness to Android Malware? [20.11888851905904]
よりロバストなアルゴリズムの同定と選択に勾配に基づく属性法が有効かどうかを検討する。 2つの異なるデータセットと5つの分類アルゴリズムによるAndroidマルウェア検出実験により、説明の均一性と敵の堅牢性との間に強いつながりがあることが示されている。
論文参考訳（メタデータ） (2020-05-04T13:12:31Z)
Deep Face Forgery Detection [6.230751621285322]
本稿では,様々なタンパシナリオに対するアプローチについて述べる。本稿では,顔認識タスクからの伝達学習を用いて触覚検出を改善することを提案する。パブリックなFaceForensicsベンチマークで両方のアプローチを評価し,その精度を向上した。
論文参考訳（メタデータ） (2020-04-06T11:13:04Z)
End-to-End Models for the Analysis of System 1 and System 2 Interactions based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文参考訳（メタデータ） (2020-02-03T17:46:13Z)

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。