論文の概要: Vision-Based Driver Drowsiness Monitoring: Comparative Analysis of YOLOv5-v11 Models
- arxiv url: http://arxiv.org/abs/2509.17498v1
- Date: Mon, 22 Sep 2025 08:30:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:16.297052
- Title: Vision-Based Driver Drowsiness Monitoring: Comparative Analysis of YOLOv5-v11 Models
- Title（参考訳）: 視覚に基づくドライバの眠気モニタリング: YOLOv5-v11モデルの比較分析
- Authors: Dilshara Herath, Chinthaka Abeyrathne, Prabhani Jayaweera,
- Abstract要約: ドライバーの眠気は道路事故の重要な要因であり、毎年数千人の死者と負傷の原因となっている。
本稿では,コンピュータビジョンに基づくYOLOアルゴリズムに着目し,リアルタイムで非侵襲的な眠気検出手法の総合評価を行う。
- 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: Driver drowsiness remains a critical factor in road accidents, accounting for thousands of fatalities and injuries each year. This paper presents a comprehensive evaluation of real-time, non-intrusive drowsiness detection methods, focusing on computer vision based YOLO (You Look Only Once) algorithms. A publicly available dataset namely, UTA-RLDD was used, containing both awake and drowsy conditions, ensuring variability in gender, eyewear, illumination, and skin tone. Seven YOLO variants (v5s, v9c, v9t, v10n, v10l, v11n, v11l) are fine-tuned, with performance measured in terms of Precision, Recall, mAP0.5, and mAP 0.5-0.95. Among these, YOLOv9c achieved the highest accuracy (0.986 mAP 0.5, 0.978 Recall) while YOLOv11n strikes the optimal balance between precision (0.954) and inference efficiency, making it highly suitable for embedded deployment. Additionally, we implement an Eye Aspect Ratio (EAR) approach using Dlib's facial landmarks, which despite its low computational footprint exhibits reduced robustness under pose variation and occlusions. Our findings illustrate clear trade offs between accuracy, latency, and resource requirements, and offer practical guidelines for selecting or combining detection methods in autonomous driving and industrial safety applications.
- Abstract（参考訳）: ドライバーの眠気は道路事故の重要な要因であり、毎年数千人の死者と負傷の原因となっている。
本稿では,コンピュータビジョンに基づくYOLO(You Look Only Once)アルゴリズムに着目し,リアルタイムで非侵襲的な眠気検出手法の総合評価を行う。
一般公開されたデータセットであるUTA-RLDDは、覚醒状態と眠気の両方を含み、性別、眼鏡、照明、肌の色調の変動を保証する。
7つのYOLO(v5s, v9c, v9t, v10n, v10l, v11n, v11l)が微調整され、精度、リコール、mAP0.5、mAP 0.5-0.95のパフォーマンスが測定された。
これらのうち、YOLOv9cは最高精度(0.986 mAP 0.5, 0.978 Recall)を達成し、YOLOv11nは精度(0.954)と推論効率の最適なバランスをとっており、組込み配置に非常に適している。
さらに,Dlibの顔のランドマークを用いたEAR(Eye Aspect Ratio)アプローチを実装した。
本研究は, 精度, レイテンシ, リソース要件のトレードオフを明らかにし, 自動運転および産業安全アプリケーションにおける検出方法の選択および組み合わせに関する実践的ガイドラインを提供する。
関連論文リスト
- A Curated Dataset and Deep Learning Approach for Minor Dent Detection in Vehicles [3.890383093585786]
本稿では、YOLOv8オブジェクト認識フレームワークを用いて、顕微鏡表面欠陥を検出するためのディープラーニングベースのソリューションを提供する。
この技術は検出精度に優れ、推論レイテンシも低く、リアルタイムアプリケーションに適している。
論文 参考訳（メタデータ） (2025-08-21T10:34:53Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - A Lightweight and Robust Framework for Real-Time Colorectal Polyp Detection Using LOF-Based Preprocessing and YOLO-v11n [0.3495246564946556]
本研究では,ポリプ検出のための新しい,軽量で効率的なフレームワークを提案する。
ノイズの多いデータをフィルタリングするLocal Outlier Factorアルゴリズムと、YOLO-v11nディープラーニングモデルを組み合わせる。
従来のYOLO法と比較して精度と効率が向上した。
論文 参考訳（メタデータ） (2025-07-14T23:36:54Z) - YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception [58.06752127687312]
高精度で軽量な物体検出器YOLOv13を提案する。
ハイパーグラフに基づく適応相関強化(HyperACE)機構を提案する。
また,FullPAD(Full-Pipeline Aggregation-and-Distribution)パラダイムを提案する。
論文 参考訳（メタデータ） (2025-06-21T15:15:03Z) - Robust Fine-tuning of Zero-shot Models via Variance Reduction [56.360865951192324]
微調整ゼロショットモデルの場合、このデシドラトゥムは細調整モデルで、分布内(ID)と分布外(OOD)の両方で優れる。
トレードオフを伴わずに最適なIDとOODの精度を同時に達成できるサンプルワイズアンサンブル手法を提案する。
論文 参考訳（メタデータ） (2024-11-11T13:13:39Z) - CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。
CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。
次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
論文 参考訳（メタデータ） (2024-11-10T02:40:06Z) - Optimizing YOLO Architectures for Optimal Road Damage Detection and Classification: A Comparative Study from YOLOv7 to YOLOv10 [0.0]
本稿では,ディープラーニングモデルを用いた道路損傷検出のための総合ワークフローを提案する。
ハードウェアの制約を満たすため、大きな画像が収穫され、軽量モデルが利用される。
提案手法では,コーディネートアテンションレイヤを備えたカスタムYOLOv7モデルや,Tiny YOLOv7モデルなど,複数のモデルアーキテクチャを採用している。
論文 参考訳（メタデータ） (2024-10-10T22:55:12Z) - Fall Detection for Industrial Setups Using YOLOv8 Variants [0.0]
25.9百万のパラメータと79.1のGFLOPからなるYOLOv8mモデルでは、計算効率と検出性能のバランスが良好であった。
YOLOv8l と YOLOv8x モデルでは精度とリコールが向上したが、その高い計算要求とモデルサイズによりリソース制約のある環境には適さない。
論文 参考訳（メタデータ） (2024-08-08T17:24:54Z) - Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。
本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:05:36Z) - Neural Network Virtual Sensors for Fuel Injection Quantities with
Provable Performance Specifications [71.1911136637719]
証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。
本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
論文 参考訳（メタデータ） (2020-06-30T23:33:17Z)
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。