NADS-Net：一种基于卷积神经网络的驾驶员与安全带检测灵巧架构
计算机视觉与模式识别
2019-10-10 v1 机器学习
摘要
本文提出了一种用于二维驾驶员/乘客姿态估计与安全带检测的新的卷积神经网络 (CNN) 架构。与其他通用姿态估计算法相比，该新架构更为灵巧，因而更适用于车载监控任务。这一名为 NADS-Net 的新架构利用特征金字塔网络 (FPN) 骨干网络与多个检测头，以实现驾驶员/乘客状态检测任务的最优性能。该新架构在一个包含为本研究收集的 50 次驾驶会话中 100 名驾驶员视频片段的新数据集上进行了验证。在不同人口统计、外观与光照条件下分析了检测性能。本文给出的结果可为自动驾驶研究界与汽车产业未来的算法开发与数据收集提供有意义的见解。
引用
@article{arxiv.1910.03695,
title = {NADS-Net: A Nimble Architecture for Driver and Seat Belt Detection via Convolutional Neural Networks},
author = {Sehyun Chun and Nima Hamidi Ghalehjegh and Joseph B. Choi and Chris W. Schwarz and John G. Gaspar and Daniel V. McGehee and Stephen S. Baek},
journal= {arXiv preprint arXiv:1910.03695},
year = {2019}
}