BriefGPT - AI 论文速递
·
DSDFormer：一种创新的变换器-马姆巴框架用于强大高精度的驾驶员分心识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究介绍了PoseViNet，一种用于检测驾驶员分心的新方法。通过姿态估计和动作推理的视觉变换器框架，该方法能更好地识别关键动作。在SynDD1数据集上，PoseViNet实现了97.55％的验证准确率和90.92％的测试准确率。
🎯
关键要点
- 该研究介绍了一种新方法PoseViNet，用于检测驾驶员分心。
- PoseViNet基于姿态估计和动作推理的视觉变换器框架。
- 通过将姿势信息添加到变换器中，PoseViNet能够更好地识别关键动作。
- PoseViNet在SynDD1数据集上实现了97.55%的验证准确率和90.92%的测试准确率。
- 与现有模型的比较证明了PoseViNet的优越性。
➡️
