-
题名基于跨尺度EEG特征融合的疲劳驾驶检测
- 1
-
-
作者
祁振民
张冰涛
宋宇博
-
机构
兰州交通大学电子与信息工程学院
兰州交通大学机电技术研究所
-
出处
《兰州交通大学学报》
CAS
2023年第4期66-72,共7页
-
基金
国家自然科学基金(61962034)
陇原青年创新创业人才(个人)项目
+1 种基金
兰州交通大学“天佑青年托举人才计划”
甘肃省高等学校创新基金项目(2020B-108)。
-
文摘
疲劳驾驶是交通事故及其所导致死亡的主要原因之一。传统基于生理信号的疲劳驾驶检测方法往往使用单一尺度,使得部分有价值信息丢失。为此,提出了一种基于跨时空尺度脑电(electroencephalogram,EEG)特征融合的疲劳驾驶检测方法。基于可视图理论映射时序EEG信号到空间网络,以实现时空EEG转化;分别提取时域和空域EEG特征,发掘不同时空EEG特征对疲劳驾驶检测的潜力,设计基于特征权重系数的时空EEG特征融合方法,进而实现疲劳驾驶检测。实验结果表明:该方法可以有效地实现疲劳驾驶检测,最高检测准确率能够达到95.15%。
-
关键词
疲劳驾驶检测
脑电
跨尺度特征融合
权重系数
-
Keywords
fatigue driving detection
electroencephalogram
cross-scale feature fusion
weight coefficient
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度注意力机制的无人机小目标检测算法
- 2
-
-
作者
冯迎宾
郭枭尊
晏佳华
-
机构
沈阳理工大学自动化与电气工程学院
-
出处
《兵工学报》
北大核心
2025年第1期12-21,共10页
-
基金
辽宁省教育厅高校基础科研项目(LJKMZ20220614)
辽宁省属本科高校基本科研业务费专项项目(SYLUGXRC44)。
-
文摘
针对无人机航拍图像密集度大、目标尺寸小、背景复杂等难点,提出一种基于多尺度注意力机制的小目标检测(Small target detection of BPAN-EF_C2f YOLOv8s,SBE_YOLOv8s)算法,通过设计一种基于多尺度注意力机制的特征提取模块(EMA-Faster Block_C2f,EF_C2f),替换YOLOv8网络中的C2f模块,提高网络对小目标特征的提取能力;在特征融合网络中增加P1检测层,并设计一种跨尺度特征融合结构(Bi-Path Aggregation Network,BPAN),融合小目标特征信息;增加一个微小目标检测头,使用SIoU Loss作为边界框损失函数,提升小目标检测精度和网络收敛速度。在公开数据集VisDrone2019上进行实验验证。验证结果表明:与YOLOv8s算法相比,新算法在检测精度上提升了6.9%、mAP50提升了9.1%,模型参数量减少了44.6%,检测速度为28帧/s,新算法在小目标检测领域具有一定的实用性。
-
关键词
多尺度注意力机制
YOLOv8s算法
特征提取
跨尺度特征融合
小目标检测
-
Keywords
multi-scale attention mechanism
YOLOv8s algorithm
feature extraction
cross-scale feature fusion
small target detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
