利用弱标记数据从汽车加速度传感器学习估计驾驶员困倦
机器学习
2020-05-13 v1 信号处理
机器学习
摘要
本文研究从汽车加速度传感器信号估计驾驶员困倦的学习任务。由于除非使用负担沉重的侵入式传感器，否则即便是驾驶员自己也无法及时察觉自身困倦，因此为每个时间戳获取标记训练数据并非现实目标。为应对这一困难，我们将该任务表述为弱监督学习。我们只需为每次完整行程添加标记，而无需为每个时间戳独立标记。通过假设驾驶员困倦的某些方面会因疲劳随时间加剧，我们构建了一种能从此类弱标记数据中学习的算法。我们推导出一种可扩展的随机优化方法作为该算法的实现途径。在真实驾驶数据集上的数值实验展示了我们的算法相对于基线方法的优势。
引用
@article{arxiv.2005.05898,
title = {Learning to Estimate Driver Drowsiness from Car Acceleration Sensors using Weakly Labeled Data},
author = {Takayuki Katsuki and Kun Zhao and Takayuki Yoshizumi},
journal= {arXiv preprint arXiv:2005.05898},
year = {2020}
}
备注
Accepted by ICASSP2020