Kann KI helfen, Verkehrsunfälle zu verhindern, indem sie die Emotionen des Fahrers erkennt? Diese Arbeit stellt SVGG vor, ein Modell zur Emotionserkennung, das den Aufmerksamkeitsmechanismus nutzt. Es schlägt ein Modell zur Emotionserkennung vor, das den Aufmerksamkeitsmechanismus nutzt. Wir validieren unseren Ansatz durch umfassende Experimente an zwei verschiedenen Datensätzen und bewerten die Leistung des Modells mithilfe einer Reihe von Bewertungsmetriken. Die Studie befasst sich mit dem Problem instabiler Emotionen, insbesondere Wut, die zu Verkehrsunfällen beitragen. Um dieses Problem anzugehen, erweist sich die Erkennung von Fahreremotionen als vielversprechende Lösung im Bereich der kyber-physikalisch-sozialen Systeme (CPSS). In dieser Arbeit stellen wir SVGG vor, ein Modell zur Emotionserkennung, das den Aufmerksamkeitsmechanismus nutzt. Wir validieren unseren Ansatz durch umfassende Experimente an zwei verschiedenen Datensätzen und bewerten die Leistung des Modells mithilfe einer Reihe von Bewertungsmetriken. Das SVGG-Modell zielt darauf ab, die Verkehrssicherheit zu verbessern, indem es den emotionalen Zustand eines Fahrers in Echtzeit erkennt und darauf reagiert. Die Ergebnisse deuten darauf hin, dass das vorgeschlagene Modell in beiden Datensätzen eine verbesserte Leistung zeigt. Diese Technologie verspricht, die Sicherheit und Fahrerassistenzsysteme zu verbessern. Das SVGG-Modell, das an zwei Datensätzen validiert wurde, zeigt eine verbesserte Leistung und könnte Fahrerassistenz und Verkehrssicherheit revolutionieren.
Dieser in Frontiers in Physics veröffentlichte Artikel steht im Einklang mit dem Fokus des Journals auf Spitzenforschung in Physik und verwandten interdisziplinären Bereichen. Durch die Anwendung eines aufmerksamkeitsstarken Convolutional Network auf die Erkennung von Fahreremotionen verbindet die Studie Physik und Ingenieurwesen mit sozialen Systemen und passt gut zum Umfang des Journals und seiner Betonung auf innovative Anwendungen physikalischer Prinzipien.