热点事件持续更新
基于图神经网络识别模拟列车司机状态
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv 计算机视觉板块发布一项研究，提出仅靠单个前置 RGB 摄像头结合图神经网络识别模拟列车司机状态，将其分为警觉、非警觉以及包含模拟紧急类行为的紧急类。研究称，在光照条件下，融合面部与骨骼特征的三分类模型准确率最高达81%；该特征组合在警觉/非警觉二分类上达到99%。团队同时发布了一套在三种光照条件下录制的受控 RGB 视频数据集，以推动被动、非接触式的司机状态识别。目前公开信息仅为该论文及其数据集，尚无后续应用或复现报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
论文提出单摄像头加图神经网络方案，三分类准确率最高81%，二分类达99%。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.CV基于图神经网络与面部及上半身关键点的模拟列车司机状态识别
一项研究提出仅靠单个前置 RGB 摄像头和图神经网络识别模拟列车司机状态，将其分为警觉、非警觉和包含模拟紧急类行为的紧急类。在光照条件下，融合面部与骨骼特征的三分类模型准确率最高达 81%，该特征组合在警觉/非警觉二分类上达到 99%。团队同时发布了一套在三种光照条件下录制的受控 RGB 视频数据集，推动被动、非接触式的司机状态识别。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。