期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BiViTNet的轻量级驾驶员分心行为检测方法
被引量：
1
1
作者
高尚兵
张莹莹
+2 位作者
王腾
张秦涛
刘宇
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第2期57-64,共8页
针对基于卷积神经网络的驾驶员分心行为检测,模型比较复杂、检测效率低下且缺少全局视觉表征的问题,提出了一种双分支并行双向交互神经网络BiViTNet(bidirectional interaction neural network based on vision transformer)对驾驶员行...
针对基于卷积神经网络的驾驶员分心行为检测,模型比较复杂、检测效率低下且缺少全局视觉表征的问题,提出了一种双分支并行双向交互神经网络BiViTNet(bidirectional interaction neural network based on vision transformer)对驾驶员行为进行识别,将ViT(vision transformer)引入到网络中对全局信息进行编码,在一定程度上提高检测精度。该网络由两个并行分支组成,第1个分支基于轻量级的CNN结构,第2个分支基于ViT结构。通过双向特征交互模块BiFIM(bidirectional feature interaction module)解决CNN Branch和ViT Branch之间特征不对称的问题,最后将两个分支的特征融合并对驾驶员行为进行检测。实验在自建的多视角驾驶员数据集上展开,验证集准确率达到97.18%,参数量为38.22 MB,计算量为271.20×10^(6)。研究表明:轻量级BiViTNet提高了驾驶员分心行为识别的准确率,可以在一定程度上辅助驾驶员的行车安全。
展开更多
关键词
交通运输工程
智能交通
分心行为检测
双分支并行双向交互神经网络
视觉转换器
轻量级模型
在线阅读
下载PDF
职称材料
基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测
被引量：
6
2
作者
赵霞
李朝
+2 位作者
付锐
葛振振
王畅
《汽车工程》
EI
CSCD
北大核心
2023年第6期974-988,1009,共16页
针对基于端到端深度卷积神经网络的驾驶行为检测模型缺乏全局特征提取能力以及视觉Transformer(vision transformer,ViT)模型不擅长捕捉底层特征和模型参数量较大的问题,本文提出一种基于深度卷积和Tokens降维的ViT模型用于驾驶人分心...
针对基于端到端深度卷积神经网络的驾驶行为检测模型缺乏全局特征提取能力以及视觉Transformer(vision transformer,ViT)模型不擅长捕捉底层特征和模型参数量较大的问题,本文提出一种基于深度卷积和Tokens降维的ViT模型用于驾驶人分心驾驶行为实时检测,并通过开展与其他模型的对比试验、所提模型的消融试验和模型注意力区域的可视化试验充分验证了所提模型的优越性。本文所提模型的平均分类准确率和精确率分别为96.93%和96.95%,模型参数量为21.22 M,基于真实车辆平台在线推理速度为23.32 fps,表明所提模型能够实现实时分心驾驶行为检测。研究结果有利于人机共驾系统的控制策略制定和分心预警。
展开更多
关键词
汽车工程
分心
驾驶
行为
检测
模型
视觉Transformer
多头注意力机制
卷积神经网络
Tokens降维
在线阅读
下载PDF
职称材料
题名
基于BiViTNet的轻量级驾驶员分心行为检测方法
被引量：
1
1
作者
高尚兵
张莹莹
王腾
张秦涛
刘宇
机构
淮阴工学院计算机与软件工程学院
江苏省物联网移动互联网技术工程实验室
出处
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第2期57-64,共8页
基金
国家自然科学基金面上项目(62076107)
国家重点研发计划项目(2018YFB1004904)
江苏省高校自然科学研究重大项目(18KJA520001)。
文摘
针对基于卷积神经网络的驾驶员分心行为检测,模型比较复杂、检测效率低下且缺少全局视觉表征的问题,提出了一种双分支并行双向交互神经网络BiViTNet(bidirectional interaction neural network based on vision transformer)对驾驶员行为进行识别,将ViT(vision transformer)引入到网络中对全局信息进行编码,在一定程度上提高检测精度。该网络由两个并行分支组成,第1个分支基于轻量级的CNN结构,第2个分支基于ViT结构。通过双向特征交互模块BiFIM(bidirectional feature interaction module)解决CNN Branch和ViT Branch之间特征不对称的问题,最后将两个分支的特征融合并对驾驶员行为进行检测。实验在自建的多视角驾驶员数据集上展开,验证集准确率达到97.18%,参数量为38.22 MB,计算量为271.20×10^(6)。研究表明:轻量级BiViTNet提高了驾驶员分心行为识别的准确率,可以在一定程度上辅助驾驶员的行车安全。
关键词
交通运输工程
智能交通
分心行为检测
双分支并行双向交互神经网络
视觉转换器
轻量级模型
Keywords
traffic and transportation engineering
intelligent transportation
distracted behavior detection
BiViTNet
visual transformer
lightweight model
分类号
U491.254 [交通运输工程—交通运输规划与管理]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测
被引量：
6
2
作者
赵霞
李朝
付锐
葛振振
王畅
机构
长安大学汽车学院
出处
《汽车工程》
EI
CSCD
北大核心
2023年第6期974-988,1009,共16页
基金
国家重点研发计划项目(2019YFB1600500)资助。
文摘
针对基于端到端深度卷积神经网络的驾驶行为检测模型缺乏全局特征提取能力以及视觉Transformer(vision transformer,ViT)模型不擅长捕捉底层特征和模型参数量较大的问题,本文提出一种基于深度卷积和Tokens降维的ViT模型用于驾驶人分心驾驶行为实时检测,并通过开展与其他模型的对比试验、所提模型的消融试验和模型注意力区域的可视化试验充分验证了所提模型的优越性。本文所提模型的平均分类准确率和精确率分别为96.93%和96.95%,模型参数量为21.22 M,基于真实车辆平台在线推理速度为23.32 fps,表明所提模型能够实现实时分心驾驶行为检测。研究结果有利于人机共驾系统的控制策略制定和分心预警。
关键词
汽车工程
分心
驾驶
行为
检测
模型
视觉Transformer
多头注意力机制
卷积神经网络
Tokens降维
Keywords
automotive engineering
distracted behavior detection model
vision Transformer
multi-headed attention mechanism
convolutional neural network
Tokens dimensionality reduction
分类号
U463.6 [机械工程—车辆工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BiViTNet的轻量级驾驶员分心行为检测方法
高尚兵
张莹莹
王腾
张秦涛
刘宇
《重庆交通大学学报（自然科学版）》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测
赵霞
李朝
付锐
葛振振
王畅
《汽车工程》
EI
CSCD
北大核心
2023
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
