文献

J-GLOBAL ID：202002279997825438   整理番号：20A2636179

抽出された運転者検出のための深層学習ベースフレームワーク【JST・京大機械翻訳】

A Deep Learning Based Framework for Distracted Driver Detection

著者 (2件)： Maurya Swadesh Kumar (School of Computer and Systems Sciences, Jawaharlal Nehru University, New Delhi, India) ,  Choudhary Ayesha (School of Computer and Systems Sciences, Jawaharlal Nehru University, New Delhi, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1249  ページ： 163-173  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,運転者の高度運転者支援システム(ADAS)のための運転者検出を混乱させるための,新しい実時間で深い学習ベースのフレームワークを提案した。カメラは,運転者の側面見解が視野にあるように,車両内に搭載されると仮定した。混乱した運転は重大な問題であり,毎年,世界中の多くの重大で致命的な道路事故をもたらす。運転者の捕捉された画像を入力し,様々な混乱した運転行動を認識し,認識する深層学習アーキテクチャを提案する。また,運転者が混乱しないかどうかを認識し,警報である。実験は,9クラスの混乱した運転者行動と1クラスの警報運転を持つ,公的に利用可能な状態農場障害運転者検出(SFDDD)データセットに関して実行した。提案したフレームワークのための訓練時間は最小であり,そして,アプローチはリアルタイムで働く。著者らの実験結果は,提案フレームワークがロバストであり,このデータセットに関する最先端の手法よりも性能が優れていることを示した。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  *学習 ,  警報 ,  農場 ,  交通事故 ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： 運転行動 ,  実時間 ,  運転者支援システム ,  道路安全 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 運転者支援 ,  抽出された運転者検出 ,  深層学習 ,  運転者行動 ,  スマート車両 ,  道路安全

分類 (2件)： 自動車事故,交通安全  (TB01050G) ,  運転者  (TB01040V)

タイトルに関連する用語 (2件)： 深層学習 ,  フレームワーク