碰撞检测：一种使用 SENet 与 ResNext 的改进深度学习方法
计算机视觉与模式识别
2022-01-14 v1
摘要
近年来，随着人口和道路交通量的增加，车辆碰撞已成为全球主要的死亡原因之一。汽车产业致力于开发利用传感器及计算机视觉领域进展来构建碰撞检测与碰撞预防系统以辅助驾驶员的技术。本文提出一种由带 SENet 块的 ResNext 架构组成的基于深度学习的模型。将该模型性能与 VGG16、VGG19、Resnet50 及独立 ResNext 等流行深度学习模型进行比较。所提模型优于现有基线模型，在使用显著更小比例的 GTACrash 合成数据训练时达到了 0.91 的 ROC-AUC，从而降低了计算开销。
引用
@article{arxiv.2201.04766,
title = {Collision Detection: An Improved Deep Learning Approach Using SENet and ResNext},
author = {Aloukik Aditya and Liudu Zhou and Hrishika Vachhani and Dhivya Chandrasekaran and Vijay Mago},
journal= {arXiv preprint arXiv:2201.04766},
year = {2022}
}
备注
8 pages, 5 figures, submitted to IEEE-SMC 2021