-
题名一种预测驾驶注意力的多尺度注意力模型
- 1
-
-
作者
蒋超
郜东瑞
李芃锐
赵长名
-
机构
成都信息工程大学计算机学院
-
出处
《软件导刊》
2025年第4期18-24,共7页
-
基金
国家重点研发计划项目(2021YFF1200605)
LOST 2030脑科学项目(2022ZD0208500)
+2 种基金
成都信息工程大学科研基金项目(KYQN202208、KYQN202206)
四川省科技计划项目(2023NSFSC0499)
国家自然科学基金项目(62272067)。
-
文摘
近年来,许多研究致力于利用EEG与EOG多模态数据预测驾驶注意力,但有效融合这两种模态数据仍是一项充满挑战的任务。为此,提出一个基于多模态的多尺度通道注意力回归模型(MMCAR-Net)预测驾驶注意力。首先,通过多尺度感知单元(Multi-Scale Inception)从EEG、EOG模态数据中分别提取多尺度特征;其次,在多个尺度上有序合并EEG与EOG特征以增强融合特征的多样性;最后,引入多尺度通道注意力机制为多尺度特征赋予差异化权重,以强化与注意力预测相关的特征,提升模型对驾驶注意力相关特征的敏感性和表达能力。在SEED-VIG数据集上的实验表明,所提模型在个体内实验组中取得的PCC与RMSE分别为0.959和0.064,在跨被试实验组中对应数值为0.892和0.112。
-
关键词
驾驶注意力预测
多尺度感知单元
多尺度通道注意力机制
特征融合
-
Keywords
driving attention prediction
multi-scale inception unit
multiscale channel attention mechanism
feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
