عنوان فارسی مقاله:تشخیص خواب آلودگی در بین رانندگان با استفاده از مدل جدید شبکه عصبی کانولوشنال عمیق
چکیده
تشخیص خواب آلودگی در بین رانندگان برای اطمینان از ایمنی جاده و جلوگیری از تصادفات ناشی از خواب آلودگی یا رانندگی با خستگی بسیار مهم است. تحقیقات در مورد تشخیص خمیازه در بین رانندگان اهمیت زیادی در بهبود ایمنی ترافیک دارد. اگرچه مطالعات مختلفی در جایی انجام شده است که رویکردهای مبتنی بر یادگیری عمیق ارائه شده است، اما هنوز جا برای بهبود برای توسعه سیستمهای تشخیص خوابآلودگی بهتر و دقیقتر با استفاده از ویژگیهای رفتاری مانند حرکت دهان و چشم وجود دارد. این مطالعه یک معماری شبکه عصبی عمیق را برای تشخیص خوابآلودگی با استفاده از یک شبکه عصبی کانولوشنال (CNN) برای تشخیص خوابآلودگی راننده پیشنهاد میکند. آزمایشها شامل استفاده از کتابخانه DLIB برای تعیین مکان نقاط کلیدی صورت برای محاسبه نسبت ابعاد دهان (MAR) است. برای جبران مجموعه داده کوچک، افزایش داده برای کلاسهای “خمیازه” و “عدم خمیازه” انجام میشود. مدلها با استفاده از مجموعه داده اصلی و تکمیلشده برای تجزیه و تحلیل تأثیر بر عملکرد مدل، آموزش و آزمایش میشوند. نتایج تجربی نشان میدهد که مدل CNN پیشنهادی به دقت متوسط ۹۶٫۶۹٪ دست مییابد. مقایسه عملکرد با رویکردهای پیشرفته موجود، عملکرد بهتر مدل پیشنهادی را نشان میدهد.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.