抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
都市では,道路沿いと道路沿いの視覚情報は,運転者を混乱させ,また,交通標識や他の事故傾向(AP)特徴の欠落につながる可能性がある。これらの視覚キューの欠落による事故を避けるため,本論文では,ダッシュカムにより得られたリアルタイム画像に基づくドライバに対するAP特徴の視覚通知を提案した。この目的のために,事故ホットスポット(高密度事故発生の地域)周辺のGoogle Street View画像を用いて,事故ホットスポットまたは非ホットスポット(まばらな事故発生の地域)に与えられた都市シーンを分類するために,新しい注意モジュールを訓練した。提案したモジュールは,異なるCNNバックボーンのトップでチャネル,ポイント,および空間ごとの注意学習を活用する。これは,CNNバックボーン単独と比較して,より良い文脈知識を有するより良い分類結果およびより確かなAP特徴をもたらす。提案したモジュールは92%の分類精度を達成した。提案モデルによってAP特徴を検出する能力を,3つの異なるクラス活性化マップ(CAM)法の比較研究によって分析し,分類決定を引き起こす特定のAP特徴を検査するために使用した。CAM法の出力を画像処理パイプラインにより処理し,運転者に説明可能なAP特徴のみを抽出し,視覚通知システムを用いて通知した。システムの有効性およびAP特性を証明するために,実験の範囲を実行した。各画像における全面積の平均で9.61%のAP特徴のアブレーションは,与えられた領域の機会を非ホットスポットとして21.8%まで分類した。【JST・京大機械翻訳】