طراحی رویکردهای یادگیری عمیق سیستم های تشخیص حواس پرتی راننده
Publish place: The 6th International Conference on Global Studies in Technology and Engineering Sciences
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 223
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ENGTCONF06_028
تاریخ نمایه سازی: 4 اردیبهشت 1402
Abstract:
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.
Keywords:
Authors
محمدعلی چاروسائی
دانشگاه صنعتی جندی شاپور
یاسمن کبیری
دانشگاه آزاد اسلامی اسلامی - واحد آبادان
حمیدرضا چاروسائی
موسسه آموزش عالی غیردولتی - غیرانتفاعی اروندان خرمشهر