文献

J-GLOBAL ID：201802248014202426   整理番号：18A1811481

ドライブネット:ドライバの注意散漫検出のための畳込みネットワーク【JST・京大機械翻訳】

Drive-Net: Convolutional Network for Driver Distraction Detection

著者 (4件)： Majdi Mohammed S. (School of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA) ,  Ram Sundaresh (School of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA) ,  Gill Jonathan T. (School of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA) ,  Rodriguez Jeffrey J. (School of Electrical and Computer Engineering, Cornell University, Ithaca, NY, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： SSIAI  ページ： 1-4  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自動車事故の予防に役立つために,乗客への話,毛髪と補給,摂食と飲酒,および携帯電話の使用のような運転者の混乱の徴候を認識するための自動化手法の発見に関心が集まっている。本論文では,運転者の混乱検出のためのドライブネットと呼ばれる自動教師つき学習法を提案した。ドライブネットは,ドライバの画像を分類するために畳込みニューラルネットワーク(CNN)とランダム決定森林の組合せを使用する。提案したDrive-Netの性能を,2つの他の一般的な機械学習アプローチ:リカレントニューラルネットワーク(RNN)と多層パーセプトロン(MLP)と比較した。著者らは,専門家によって人手で注釈付けされた約22425の画像を含む制御された環境下で取得された画像の公開可能なデータベースに関する方法をテストした。結果は,Drive-Netが95%の検出精度を達成することを示して,それは他の方法を用いて同じデータベースに関して得た最良の結果より2%多かった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  自動化 ,  携帯電話 ,  多層パーセプトロン ,  教師つき学習 ,  乗客 ,  *ネットワーク ,  データベース ,  カオス ,  *畳込み ,  自動車事故 ,  画像
準シソーラス用語： 検出精度 ,  リカレントニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ドライブ ,  ネット ,  ドライバ ,  注意 ,  畳込み