专注路况：利用卷积神经网络与针对性数据增强解决分心驾驶检测问题
计算机视觉与模式识别
2020-06-25 v2 计算机与社会
机器学习
摘要
根据世界卫生组织的数据，分心驾驶是全球机动车事故和死亡的主要原因之一。在我们的研究中，我们通过构建一个鲁棒的多分类器，利用State Farm分心驾驶数据集来检测和识别不同形式的驾驶员注意力分散，从而解决分心驾驶问题。我们组合使用了预训练图像分类模型、经典数据增强、基于OpenCV的图像预处理以及皮肤分割增强方法。我们性能最佳的模型结合了多种增强技术，包括皮肤分割、面部模糊和经典增强技术。该模型相比基线在F1分数上提升了约15%，从而展示了这些技术在增强神经网络用于分心驾驶检测任务能力方面的前景。
引用
@article{arxiv.2006.10955,
title = {Keep Your AI-es on the Road: Tackling Distracted Driver Detection with Convolutional Neural Networks and Targeted Data Augmentation},
author = {Nikka Mofid and Jasmine Bayrooti and Shreya Ravi},
journal= {arXiv preprint arXiv:2006.10955},
year = {2020}
}
备注
10 pages, 11 figures