論文の概要: Detection of Distracted Driver using Convolution Neural Network
- arxiv url: http://arxiv.org/abs/2204.03371v1
- Date: Thu, 7 Apr 2022 11:41:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-08 14:51:11.007548
- Title: Detection of Distracted Driver using Convolution 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減算ドライバの検出
- Authors: Narayana Darapaneni, Jai Arora, MoniShankar Hazra, Naman Vig,
Simrandeep Singh Gandhi, Saurabh Gupta, Anwesh Reddy Paduri
- Abstract要約: インドは道路事故で死者の11%を占めている。
事故の78%はドライバーが担当している。
私たちは、異なるドライバーの気晴らしを分類するために、非常に効率的なMLモデルを構築することに重点を置きます。
- 参考スコア(独自算出の注目度): 7.37092447804202
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With over 50 million car sales annually and over 1.3 million deaths every
year due to motor accidents we have chosen this space. India accounts for 11
per cent of global death in road accidents. Drivers are held responsible for
78% of accidents. Road safety problems in developing countries is a major
concern and human behavior is ascribed as one of the main causes and
accelerators of road safety problems. Driver distraction has been identified as
the main reason for accidents. Distractions can be caused due to reasons such
as mobile usage, drinking, operating instruments, facial makeup, social
interaction. For the scope of this project, we will focus on building a highly
efficient ML model to classify different driver distractions at runtime using
computer vision. We would also analyze the overall speed and scalability of the
model in order to be able to set it up on an edge device. We use CNN, VGG-16,
RestNet50 and ensemble of CNN to predict the classes.
- Abstract(参考訳): 年間5000万台以上の自動車が販売され、毎年130万人以上が交通事故で死亡しています。
インドは交通事故による死者の11%を占めている。
事故の78%はドライバーが担当している。
発展途上国の道路安全問題は大きな関心事であり、道路安全問題の主な原因の一つとして人間の行動があげられる。
事故の主な原因は運転者の気晴らしが挙げられている。
モバイルの使用、飲酒、手術器具、顔のメイク、社会的相互作用などの理由によって引き起こされることがある。
このプロジェクトの範囲では、コンピュータビジョンを使用して実行時に異なるドライバの邪魔を分類する、高度に効率的なmlモデルの構築に重点を置く。
また、エッジデバイスに設定できるように、モデルの全体的な速度とスケーラビリティを分析します。
CNN、VGG-16、RestNet50、CNNのアンサンブルを使ってクラスを予測する。
関連論文リスト
- Enhancing Road Safety: Real-Time Detection of Driver Distraction through Convolutional Neural Networks [0.0]
本研究は,運転者の気晴らしをリアルタイムに検出する上で,最も効率的なモデルを明らかにすることを目的とする。
最終的な目的は、この発見を車両の安全システムに組み込むことであり、不注意によって引き起こされる事故を防ぐ能力を大幅に向上させることである。
論文 参考訳(メタデータ) (2024-05-28T03:34:55Z) - Abductive Ego-View Accident Video Understanding for Safe Driving
Perception [75.60000661664556]
マルチモーダル・アクシデント・ビデオ理解のための新しいデータセットMM-AUを提案する。
MM-AUには1,727件の映像が収録されている。
安全運転認識のための誘導型事故映像理解フレームワーク(AdVersa-SD)を提案する。
論文 参考訳(メタデータ) (2024-03-01T10:42:52Z) - Driver Drowsiness Detection System: An Approach By Machine Learning
Application [0.0]
毎年100万人が交通事故で死亡している。
道路事故の件数が増加する主な原則は、眠気である。
本稿では,80%の精度で眠気検知の問題を解決することに焦点を当てた。
論文 参考訳(メタデータ) (2023-03-11T05:05:36Z) - Cognitive Accident Prediction in Driving Scenes: A Multimodality
Benchmark [77.54411007883962]
本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。
CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。
我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
論文 参考訳(メタデータ) (2022-12-19T11:43:02Z) - In-Vehicle Interface Adaptation to Environment-Induced Cognitive
Workload [55.41644538483948]
車両内ヒューマンマシンインタフェース(HMI)は長年にわたって進化し、ますます多くの機能を提供している。
この問題に対処するために,ドライバの精神的負荷に応じて変化する適応的HMIを提案する。
論文 参考訳(メタデータ) (2022-10-20T13:42:25Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳(メタデータ) (2022-08-31T08:42:28Z) - Prevent Car Accidents by Using AI [0.0]
このプロジェクトでは,機械学習を用いた事故予測に関する既存の研究を行っている。
クラッシュデータと天気データを使って、マシンラーニングモデルをトレーニングして、クラッシュの重大度を予測し、クラッシュを削減します。
論文 参考訳(メタデータ) (2022-06-19T16:19:52Z) - Drivers' attention detection: a systematic literature review [62.997667081978825]
多くの要因が運転中の注意散らしに寄与しうるが、それは物体や事象が生理的状態、つまり眠気や疲労に結びつくためであり、運転者が注意をそらすことができないからである。
技術進歩により、現実の状況における注意を検知する多くのソリューションの開発と応用が可能となった。
本研究は,車輪の運転者の注意を検知するための方法と基準について,システマティック文献レビュー(Systematic Literature Review)を提示する。
論文 参考訳(メタデータ) (2022-04-06T11:36:40Z) - Behavioral Research and Practical Models of Drivers' Attention [21.70169149901781]
このレポートは、ドライバーの内部および外部の要因によるドライバーの視覚的注意の変化に関する文献をカバーしています。
ドライバーの注意に関する学際的な理論的および行動的研究と実用的な解決策を結びつけます。
このレポートは、175以上の行動研究、100近い実用的な論文、20のデータセット、2010年以来の70以上の調査に基づいています。
論文 参考訳(メタデータ) (2021-04-12T17:42:04Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳(メタデータ) (2020-07-10T22:25:27Z) - Affordable Modular Autonomous Vehicle Development Platform [0.0]
毎年125万人が道路事故で死亡し、アフリカは道路事故の死亡率が最も高い。
財政的な制約は、アフリカにおける実験や自動運転技術の研究を妨げている。
本稿では,手頃なモジュール型自動運転車開発プラットフォームであるRollEの設計について述べる。
論文 参考訳(メタデータ) (2020-06-20T22:51:48Z)
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。