طراحی رویکردهای یادگیری عمیق سیستم های تشخیص حواس پرتی راننده
- سال انتشار: 1401
- محل انتشار: ششمین کنفرانس بین المللی مطالعات جهانی در علوم تکنولوژی و مهندسی
- کد COI اختصاصی: ENGTCONF06_028
- زبان مقاله: فارسی
- تعداد مشاهده: 617
نویسندگان
دانشگاه صنعتی جندی شاپور
دانشگاه آزاد اسلامی اسلامی - واحد آبادان
موسسه آموزش عالی غیردولتی - غیرانتفاعی اروندان خرمشهر
چکیده
رانندگی حواس پرت به هر فعالیتی گفته می شود که توجه فرد را از رانندگی منحرف کند. برخی از این فعالیت ها شامل صحبت با افراد در وسیله نقلیه، استفاده از وسایل دستی مانند تلفن همراه یا تبلت، خوردن یا نوشیدن، و تنظیم سیستم های استریو یا ناوبری در حین رانندگی است. برای مقابله با اثرات ناشی از حواس پرتی رانندگی، بسیاری از کشورهای جهان قوانینی را وضع کرده و برای رانندگان حواس پرتی جریمه در نظر گرفته اند تا از رانندگی ایمن اطمینان حاصل کنند. با توجه به پیشرفت تکنولوژی در زمانهای اخیر، فناوریهای امروزی مانند بینایی کامپیوتر، پردازش تصویر و تکنیکهای یادگیری ماشینی میتوانند تالشهای دولتها را برای جلوگیری از تصادفات ناشی از حواسپرتی رانندگی بیشتر کنند. این مقاله از فناوریهای فوق استفاده میکند و یک طرح تشخیص راننده حواسپرت )DDDS( با استفاده از معماریهای شبکه عصبی پیچیده، از visual geometric group (VGG-۱۶)، residual networks (ResNet-۵۰)، YOLO v۷، Faster R-CNN، Retina Net و Detectron۲ را پیشنهاد میکند. همه مدلها پیادهسازی شدهاند و نتایج با هم مقایسه شده اند. تصاویر داشبورد دو بعدی مشتق شده از مجموعه داده State-Farm از قبل پردازش شده اند و برای آموزش، آزمایش و اعتبار سنجی معماری های پیشنهادی استفاده می شوند. الگوریتمهای توسعه یافته و مورد بحث برای DDDS پیشنهادی میتوانند در کاهش تلفات و صدمات ناشی از رانندگی حواس پرتی موثر باشند.کلیدواژه ها
یادگیری عمیق، رانندگی حواس پرت، YOLO، Faster R-CNN، Retina Net، Detectronمقالات مرتبط جدید
- تحلیل چالشها و راهکارهای تقویت ارتباط دانشگاه و صنعت: با تمرکز بر حلقههای مفقوده
- بازخوانی نقش دانشگاه و صنعت در توسعه ملی: از موانع تا راهکارها
- نشانگر تشخیصی جدید در ژن C-myc به عنوان کیت غیر تهاجمی تشخیص سرطان دهان
- برنامه ریزی منابع تجدید پذیر با درنظر گرفتن برنامه ریزی توسعه انتقال و تولید منابع توان راکتیو
- برنامه ریزی همزمان توسعه انتقال و منابع تولید توان راکتیو با استفاده از یک الگوریتم تکاملی بهبود یافته
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.