論文の概要: Low-Latency Embedded Driver Monitoring System with a Multi-Task Neural Network
- arxiv url: http://arxiv.org/abs/2605.02563v1
- Date: Mon, 04 May 2026 13:14:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.294245
- Title: Low-Latency Embedded Driver Monitoring System with a Multi-Task Neural Network
- Title（参考訳）: マルチタスクニューラルネットワークを用いた低遅延組込み運転監視システム
- Authors: Carmelo Scribano, Giovanni Cappelletti, Elia Giacobazzi, Giorgia Franchini, Paolo Burgio, Marko Bertogna,
- Abstract要約: 本研究は,ドライバーの注意力と注意力を評価する上で有用な指標を導出するためのカメラベースアプローチを提案する。
我々は,顔領域の複数の指標を1つの前方通過で予測する,軽量なマルチタスクニューラルネットワークを開発した。
開発モデルは完全な実行ワークフローに統合され、注意力、疲労、注意をそらす活動のエンゲージメントをリアルタイムで推定する。
- 参考スコア（独自算出の注目度）: 1.7020765368200694
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Road traffic accidents remain a significant global concern, with the majority attributed to human factors such as driver distraction and fatigue. This study proposes a camera-based approach to derive useful indicators to assess driver attentiveness and alertness. The proposed pipeline jointly satisfies the stringent real-time requirements imposed by the critical application and minimizes the computational requirements to allow for deployment on a tight computational budget. To this end, we develop a lightweight multi-task neural network that predicts multiple indicators for the face region in a single forward pass. The developed model is integrated into a complete execution workflow to produce a real-time estimate of attentiveness, fatigue, and engagement in distracting activities.
- Abstract（参考訳）: 道路交通事故は、運転者の気晴らしや疲労などの人的要因によるものであり、世界的にも大きな懸念点となっている。
本研究は,ドライバーの注意力と注意力を評価する上で有用な指標を導出するためのカメラベースアプローチを提案する。
提案したパイプラインは、クリティカルアプリケーションによって課される厳格なリアルタイム要件を共同で満たし、計算要求を最小限に抑え、厳密な計算予算への展開を可能にする。
そこで我々は,顔領域の複数の指標を1つの前方通過で予測する,軽量なマルチタスクニューラルネットワークを開発した。
開発モデルは完全な実行ワークフローに統合され、注意力、疲労、注意をそらす活動のエンゲージメントをリアルタイムで推定する。
関連論文リスト
- Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。
本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
論文 参考訳（メタデータ） (2025-05-22T09:08:47Z) - NetFlowGen: Leveraging Generative Pre-training for Network Traffic Dynamics [72.95483148058378]
我々は,NetFlowレコードからのトラフィックデータのみを用いて,トラフィックダイナミクスをキャプチャする汎用機械学習モデルを事前学習することを提案する。
ネットワーク特徴表現の統一,未ラベルの大規模トラフィックデータ量からの学習,DDoS攻撃検出における下流タスクのテストといった課題に対処する。
論文 参考訳（メタデータ） (2024-12-30T00:47:49Z) - Spiking-DD: Neuromorphic Event Camera based Driver Distraction Detection with Spiking Neural Network [0.09999629695552192]
イベントカメラベースのドライバー監視は、研究の重要な領域として浮上している。
我々の知る限りでは、この研究は、ドライバーの気を散らすために、スパイクニューラルネットワークを用いたイベントカメラデータを初めて利用したものだ。
論文 参考訳（メタデータ） (2024-07-30T08:23:47Z) - PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
複数の物体追跡は、自律運転において重要な課題である。
トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。
本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
論文 参考訳（メタデータ） (2024-03-23T04:18:49Z) - Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。
データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳（メタデータ） (2023-08-02T23:39:24Z) - Lightweight Delivery Detection on Doorbell Cameras [9.735137325682825]
本研究では,重要なホームアプリケーション,ビデオベースの配信検出について検討し,簡単な軽量パイプラインを提案する。
提案手法は,移動自在な3DCNNネットワークを用いて,一連の粗い活動キューを生成するために拘束された動きに依存している。
論文 参考訳（メタデータ） (2023-05-13T01:28:28Z) - A Lightweight, Efficient and Explainable-by-Design Convolutional Neural
Network for Internet Traffic Classification [9.365794791156972]
本稿では、インターネットトラフィック分類のための新しい軽量・効率的・eXplainable-by-design畳み込みニューラルネットワーク(LEXNet)を提案する。
LEXNetは(軽量で効率の良い目的のために)新しい残留ブロックと(説明可能性のために)プロトタイプ層に依存している。
商用グレードのデータセットに基づいて、LEXNetは最先端のニューラルネットワークと同じ精度を維持することに成功した。
論文 参考訳（メタデータ） (2022-02-11T10:21:34Z) - Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。
提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文 参考訳（メタデータ） (2020-10-02T22:28:02Z)
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。