論文の概要: Dual-sensing driving detection model

• arxiv url: http://arxiv.org/abs/2505.17392v1
• Date: Fri, 23 May 2025 02:05:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:33.765374
• Title: Dual-sensing driving detection model
• Title（参考訳）: デュアルセンシング駆動検出モデル
• Authors: Leon C. C. K, Zeng Hui,
• Abstract要約: 本稿では, リアルタイム顔特徴解析と生理学的信号処理, 高度な融合戦略を組み合わせることで, 堅牢な疲労検出を実現する革新的なアーキテクチャを提案する。 システムの実用性は、様々な運転シナリオにおける広範なテストを通じて検証され、疲労関連事故の低減に大きな可能性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, a novel dual-sensing driver fatigue detection method combining computer vision and physiological signal analysis is proposed. The system exploits the complementary advantages of the two sensing modalities and breaks through the limitations of existing single-modality methods. We introduce an innovative architecture that combines real-time facial feature analysis with physiological signal processing, combined with advanced fusion strategies, for robust fatigue detection. The system is designed to run efficiently on existing hardware while maintaining high accuracy and reliability. Through comprehensive experiments, we demonstrate that our method outperforms traditional methods in both controlled environments and real-world conditions, while maintaining high accuracy. The practical applicability of the system has been verified through extensive tests in various driving scenarios and shows great potential in reducing fatigue-related accidents. This study contributes to the field by providing a more reliable, cost-effective, and humane solution for driver fatigue detection.
• Abstract（参考訳）: 本稿では,コンピュータビジョンと生理的信号分析を組み合わせた新しいデュアルセンシングドライバ疲労検出手法を提案する。 このシステムは2つの知覚モダリティの相補的な利点を利用し、既存の単一モダリティ手法の限界を突破する。 本稿では, リアルタイム顔特徴解析と生理学的信号処理, 高度な融合戦略を組み合わせることで, 堅牢な疲労検出を実現する革新的なアーキテクチャを提案する。 このシステムは、精度と信頼性を維持しつつ、既存のハードウェア上で効率的に動作するように設計されている。 総合的な実験を通して,本手法は制御された環境と実環境の両方において従来の手法より優れ,精度は高いことを示した。 システムの実用性は、様々な運転シナリオにおける広範なテストを通じて検証され、疲労関連事故の低減に大きな可能性を示している。 本研究は,運転者疲労検出のための信頼性,費用効率,人為的ソリューションを提供することにより,この分野に寄与する。

関連論文リスト

• 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)
• Research on Driver Facial Fatigue Detection Based on Yolov8 Model [33.19883571658716]
  疲労運転検出技術(特にYOLOv8ディープラーニングモデルに基づくもの)は、効果的な予防策として広く研究され応用されている。 本研究の目的は,疲労運転の防止と検出のための堅牢な技術ソリューションを提供することであり,交通事故の低減と生活保護に大きく貢献することである。
  論文  参考訳（メタデータ） (2024-06-04T05:45:11Z)
• S2DEVFMAP: Self-Supervised Learning Framework with Dual Ensemble Voting Fusion for Maximizing Anomaly Prediction in Timeseries [0.0]
  異常検出は、特に冷却システムの信頼性と最適性能を維持する上で、産業環境において重要な役割を担っている。 この研究は、5つの異種独立モデルと2重アンサンブル融合を用いた新しい頑健なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-24T20:09:21Z)
• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• Contrastive Multi-Modal Representation Learning for Spark Plug Fault Diagnosis [0.21847754147782888]
  コントラッシブラーニングパラダイムに基づくユニークなトレーニング戦略を備えたマルチモーダルオートエンコーダを提案する。 提案手法は、データの複数モード(またはビュー)をリッチな共通表現に融合する際の優れた性能を実現する。 本手法により,センサ故障発生時のマルチモーダル故障診断システムをより堅牢に行うことができる。
  論文  参考訳（メタデータ） (2023-11-04T00:04:09Z)
• Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
  ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。 電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。 本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T18:19:25Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• 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)
• Computational framework for real-time diagnostics and prognostics of aircraft actuation systems [0.0]
  本研究は, 信号取得, 故障検出と同定, 有用寿命推定の3段階に対処する。 この目的を達成するために、異なる忠実度を持つ物理モデルからの情報と機械学習技術を組み合わせることを提案する。 この手法は、二次飛行制御のための航空機の電気機械アクチュエータのFDIおよびRUL推定のために評価される。
  論文  参考訳（メタデータ） (2020-09-30T12:53:07Z)
• Learning Compliance Adaptation in Contact-Rich Manipulation [81.40695846555955]
  本稿では,コンタクトリッチタスクに必要な力プロファイルの予測モデルを学習するための新しいアプローチを提案する。 このアプローチは、双方向Gated Recurrent Units (Bi-GRU) に基づく異常検出と適応力/インピーダンス制御を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-05-01T05:23:34Z)

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。