-
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]
-
-
题名基于多层时空融合网络的驾驶人注意力预测
被引量：1
- 2
-
-
作者
金立生
纪丙东
郭柏苍
-
机构
燕山大学车辆与能源学院
-
出处
《汽车工程》
EI
CSCD
北大核心
2023年第5期759-767,745,共10页
-
基金
国家重点研发计划(2021YFB3202200)
国家自然科学基金(52072333,52202503)
+1 种基金
河北省自然科学基金(F2022203054)
河北省高等学校科学技术研究项目(BJK2023026)资助。
-
文摘
类人驾驶是提升汽车智能化程度的重要途径之一,识别和定位驾驶人的感兴趣目标和区域,进而快速、精确地感知驾驶场景中潜在风险或提供决策所需关键信息,能够有效增强智能汽车的功能可理解性和鲁棒性。本文基于层次化编码器-解码器架构设计轻量化多层时空融合网络,建立轻量化驾驶人注意力预测模型。首先,以MobileNetV2作为编码器的骨干网络,提取当前帧4个尺度上的多层次空间特征,将其存入记忆模块并与在历史帧上提取的多层次特征在时间维度叠加,得到连续帧间的时空特征后传输至解码器。其次,基于层次化解码结构设计解码器,采用逆瓶颈3D卷积模块设计时空融合层,融合每个独立分支上的时空特征。最后,融合4个独立分支上捕获不同尺度信息的预测结果,获得驾驶人注意力预测值作为模型预测输出结果。结果表明:本文提出的驾驶人注意力预测模型,通过在多个特征尺度上的编码与解码,能够有效利用动态场景当前帧和历史帧间的时间、空间、尺度信息;在DADA-2000和TDV数据集上的测试实验表明,在多个指标上优于当前同类优秀模型;模型尺寸为19 MB,单帧运算速度为0.02 s,实现了优秀的模型轻量化与实时性效果。综上所述,本研究解决了当前复杂交通环境下的动态驾驶场景驾驶人注意力预测模型体积庞大、实时性较差的问题,对智能汽车类人感知、决策等研究有一定的理论支持和应用价值。
-
关键词
汽车工程
驾驶人注意力预测
时空融合
类人驾驶
显著性预测
轻量化模型
-
Keywords
automotive engineering
driver’s attention prediction
temporal‑spatial fusion
humanoid driving
saliency prediction
lightweight model
-
分类号
U463.6
[机械工程—车辆工程]
-
