論文の概要: A Review Paper of the Effects of Distinct Modalities and ML Techniques to Distracted Driving Detection
- arxiv url: http://arxiv.org/abs/2501.11758v1
- Date: Mon, 20 Jan 2025 21:35:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:25:38.363408
- Title: A Review Paper of the Effects of Distinct Modalities and ML Techniques to Distracted Driving Detection
- Title(参考訳): 特定モーダリティとML技術が解離運転検出に及ぼす影響に関するレビュー論文
- Authors: Anthony. Dontoh, Stephanie. Ivey, Logan. Sirbaugh, Armstrong. Aboah,
- Abstract要約: 引き離された運転は、深刻な人的・経済的影響で重要な世界的課題である。
この体系的なレビューは、機械学習(ML)と深層学習(DL)技術を多種多様なデータモダリティに適用した包括的分析を提供することによって、重要なギャップに対処する。
- 参考スコア(独自算出の注目度): 3.6248657646376707
- License:
- Abstract: Distracted driving remains a significant global challenge with severe human and economic repercussions, demanding improved detection and intervention strategies. While previous studies have extensively explored single-modality approaches, recent research indicates that these systems often fall short in identifying complex distraction patterns, particularly cognitive distractions. This systematic review addresses critical gaps by providing a comprehensive analysis of machine learning (ML) and deep learning (DL) techniques applied across various data modalities - visual,, sensory, auditory, and multimodal. By categorizing and evaluating studies based on modality, data accessibility, and methodology, this review clarifies which approaches yield the highest accuracy and are best suited for specific distracted driving detection goals. The findings offer clear guidance on the advantages of multimodal versus single-modal systems and capture the latest advancements in the field. Ultimately, this review contributes valuable insights for developing robust distracted driving detection frameworks, supporting enhanced road safety and mitigation strategies.
- Abstract(参考訳): 引き離された運転は、深刻な人的・経済的影響で重要な世界的課題であり、検出と介入戦略の改善を要求している。
これまでの研究では、単一モダリティのアプローチを幅広く研究してきたが、最近の研究では、これらのシステムは複雑な注意散らしパターン、特に認知的注意散らしパターンの特定に不足していることがしばしば示されている。
この体系的なレビューは、視覚、感覚、聴覚、マルチモーダルなど、さまざまなデータモダリティに適用される機械学習(ML)とディープラーニング(DL)技術の包括的な分析を提供することによって、重要なギャップに対処する。
モーダリティ、データアクセシビリティ、方法論に基づく研究を分類・評価することにより、どのアプローチが最も正確かを明らかにし、特定の注意をそそられた運転検出目標に最も適しているかを明らかにする。
この結果から,マルチモーダルシステムと単一モーダルシステムの利点を明確に把握し,最新の進歩を捉えた。
最終的に、このレビューは、ロバストな注意をそらした運転検出フレームワークを開発するための貴重な洞察をもたらし、道路安全と緩和戦略の強化をサポートする。
関連論文リスト
- Survey on AI-Generated Media Detection: From Non-MLLM to MLLM [51.91311158085973]
AI生成メディアを検出する方法は急速に進化してきた。
MLLMに基づく汎用検出器は、信頼性検証、説明可能性、ローカライゼーション機能を統合する。
倫理的・セキュリティ的な配慮が、重要な世界的な懸念として浮上している。
論文 参考訳(メタデータ) (2025-02-07T12:18:20Z) - Optimizing Multispectral Object Detection: A Bag of Tricks and Comprehensive Benchmarks [49.84182981950623]
RGBおよびTIR(熱赤外)変調を利用したマルチスペクトル物体検出は,課題として広く認識されている。
モダリティと堅牢な融合戦略の両方から特徴を効果的に抽出するだけでなく、スペクトルの相違といった問題に対処する能力も必要である。
本稿では,高パフォーマンス単一モードモデルのシームレスな最適化が可能な,効率的かつ容易にデプロイ可能なマルチスペクトルオブジェクト検出フレームワークを提案する。
論文 参考訳(メタデータ) (2024-11-27T12:18:39Z) - Passive Deepfake Detection Across Multi-modalities: A Comprehensive Survey [1.7811840395202345]
ディープフェイク(DF)は、個人の偽装、誤情報拡散、アーティストのスタイルの模倣など、悪意ある目的に利用されてきた。
この調査では、画像、ビデオ、オーディオ、マルチモーダルドメインなど、複数のモダリティにまたがる受動的アプローチについて調査する。
論文 参考訳(メタデータ) (2024-11-26T22:04:49Z) - Deep Insights into Cognitive Decline: A Survey of Leveraging Non-Intrusive Modalities with Deep Learning Techniques [0.5172964916120903]
本研究は、ディープラーニング技術を用いて認知低下推定作業を自動化する最も関連性の高い手法についてレビューする。
トランスフォーマーアーキテクチャやファンデーションモデルのような最先端のアプローチを含む、各モダリティと方法論の重要な特徴と利点について論じる。
ほとんどの場合、テキストのモダリティは最良の結果を得ることができ、認知の低下を検出するのに最も関係がある。
論文 参考訳(メタデータ) (2024-10-24T17:59:21Z) - A Systematic Review of Edge Case Detection in Automated Driving: Methods, Challenges and Future Directions [0.3871780652193725]
本稿では,エッジケース検出および評価手法の実用的,階層的なレビューと体系的な分類について述べる。
まず,AVモジュールによる検出手法を分類し,認識関連および軌跡関連エッジケースを含む2つのレベルに分類する。
我々は「知識駆動」アプローチと呼ばれる新しいクラスを導入し、主に文献で見過ごされている。
論文 参考訳(メタデータ) (2024-10-11T03:32:20Z) - Multimodal Prompt Learning with Missing Modalities for Sentiment Analysis and Emotion Recognition [52.522244807811894]
本稿では,欠落したモダリティの問題に対処するために,即時学習を用いた新しいマルチモーダルトランスフォーマーフレームワークを提案する。
提案手法では,生成的プロンプト,欠信号プロンプト,欠信号プロンプトの3種類のプロンプトを導入している。
迅速な学習を通じて、トレーニング可能なパラメータの数を大幅に削減する。
論文 参考訳(メタデータ) (2024-07-07T13:55:56Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳(メタデータ) (2024-06-05T13:40:07Z) - Video Anomaly Detection in 10 Years: A Survey and Outlook [10.143205531474907]
ビデオ異常検出(VAD)は、監視、医療、環境監視といった様々な領域において非常に重要である。
この調査では、従来の教師付きトレーニングパラダイムを超えて、弱教師付き、自己監督型、教師なしのアプローチを包含する、ディープラーニングベースのVADを調査している。
論文 参考訳(メタデータ) (2024-05-29T17:56:31Z) - Unified Automatic Control of Vehicular Systems with Reinforcement
Learning [64.63619662693068]
本稿では,車載マイクロシミュレーションの合理化手法について述べる。
最小限の手動設計で高性能な制御戦略を発見する。
この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
論文 参考訳(メタデータ) (2022-07-30T16:23:45Z) - Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。
既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。
本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文 参考訳(メタデータ) (2020-03-16T02:47:23Z)
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。