CRV 2021的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

基於深度神經網路及視覺注意力模型輔助之道路場景評估

為了解決CRV 2021的問題，作者吳文嘉 這樣論述：

機器學習應用於車載裝置的技術日新月異，當中有許多應用已常見於日 常生活當中，如: 車道線輔助、碰撞警示系統等。除上述的例子外，透過機 器學習的發展，有許多更複雜的資訊也可以應用於駕駛輔助當中。本篇論文 提出一基於駕駛人注意力分析模型結果結合卷積神經網路對駕駛場景進行辨 識的方法，以應用於先進駕駛輔助系統(ADAS)，使系統能分析前車影像的 情況是否屬於高風險的行車環境，進一步地讓駕駛或自駕車系統有更充裕的 時間反應。本論文將以兩部分進行實驗，第一部分為駕駛人注意力分析，透 過目前較先進的深度學習網路模型，學習眼動儀蒐集之人眼注視區域特徵， 以取得駕駛畫面當中的重要區域; 第二部分為駕駛場景評

估，本文將駕駛場 景分為四個等級，分別透過2D 卷積神經網路對RGB 影像與光流影像提取 影像特徵，並結合第一部分的方法進一步取得空間注意力區域，增強重要區 域所提取的特徵，之後經由長短期記憶網路學習駕駛影像的時間維度資訊， 最後將含有時間維度資訊的特徵輸入至全連接層，取得四種道路場景等級的 評估分數。在後續實驗中，也有與3D 卷積網路進行比較，並發現先提取影 像特徵在進行時間維度的訓練，在駕駛場景評估任務有比較好的表現。