基于ViT架构的驾驶员疲劳检测模型,在UTA RLDD数据集上微调,准确率达97.5%
下载量 131
发布时间 : 4/3/2023
模型简介
该模型是基于Google的ViT-base-patch16-224-in21k模型微调而成,专门用于驾驶员疲劳状态检测。通过分析面部图像,可准确识别驾驶员是否处于疲劳状态。
模型特点
高准确率
在评估集上达到97.5%的准确率,表现优异
基于ViT架构
采用先进的Vision Transformer架构,能有效捕捉图像全局特征
小样本微调
基于预训练模型微调,只需相对少量训练数据即可获得良好效果
模型能力
驾驶员疲劳状态识别
面部图像分类
实时监控分析
使用案例
交通安全
车载疲劳预警系统
集成到车载系统中实时监测驾驶员状态
可有效降低因疲劳驾驶导致的事故风险
运输车队管理
监控长途运输司机疲劳状态
提高车队安全管理水平
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文