寻找供应商
广告
首页 > 汽车技术 > 正文

基于面部热图像的个人热舒适预测方法及模型性能对比研究

2024-03-08 09:51:06·  来源：汽车测试网  
　

随着人们对汽车内部舒适性的重视，基于热图像的个人热舒适度预测方法备受关注。本文针对此问题，使用PyTorch框架在NVIDIA GeForce RTX GPU上，对SAM-ResNet34、ResNet34、GoogLeNet、VGG16和MobileNetV2等网络进行训练，并比较它们在个人热舒适度预测上的性能表现。同时，引入了空间注意机制（SAM）以提高模型的性能。本文采用迁移学习策略，解决了图像数据不足、班级不平衡和训练缓慢等问题，以期为汽车内部环境舒适性的提升提供技术支持。


1. 背景与动机

汽车内部环境的舒适性对驾驶者和乘客的体验至关重要。传统的个人热舒适度预测方法往往需要接触式传感器，不够便捷和实时。因此，基于热图像的无创预测方法备受关注。本文旨在比较不同深度学习模型在个人热舒适度预测中的性能，并探讨空间注意机制对模型性能的影响。


2. 方法介绍

本文选取SAM-ResNet34、ResNet34、GoogLeNet、VGG16和MobileNetV2等网络，通过在NVIDIA GeForce RTX GPU上使用PyTorch框架进行训练，构建个人热舒适度预测模型。在SAM-ResNet34和ResNet34的训练阶段，使用高斯分布初始化权值，Adam为优化器。初始学习率设置为0.0001，批大小设置为16，训练epoch设置为100。采用迁移学习策略克服了图像数据不足、班级不平衡和训练缓慢等局限性。


3. 实验设计与结果

在实验设计阶段，我们使用相同的数据集对SAM-ResNet34、ResNet34、GoogLeNet、VGG16和MobileNetV2等五种不同的深度学习模型进行训练。这些模型在预测个人热舒适度方面具有不同的结构和参数设置，我们希望通过比较它们的性能来找出最适合该任务的模型。


我们的数据集包括了来自22名受试者的面部热图像数据，这些数据在模拟车内环境中采集。每张热图像都有相应的标注，标注了不同区域的面部特征，如额头、眼睛、鼻子、嘴巴等。同时，我们将数据集划分为训练集和测试集，以评估模型在未见过的数据上的泛化能力。


在训练阶段，我们使用了迁移学习策略来克服数据不足、班级不平衡和训练缓慢等问题。具体地，在SAM-ResNet34和ResNet34的训练中，我们采用了高斯分布初始化权值，并选用了Adam优化器。初始学习率设定为0.0001，批大小设置为16，训练epoch设置为100。这些参数设置经过多次实验调优，以保证模型训练的稳定性和收敛性。


在实验结果分析阶段，我们将比较各个模型在测试集上的性能表现。我们将评估模型的准确率、精确率、召回率和F1值等指标，以全面地评价模型的预测能力和泛化能力。同时，我们还将分析模型的收敛情况、过拟合问题等，以进一步理解模型的训练过程和性能表现。


文的研究成果可为汽车制造商提供更加智能化的暖通空调系统，从而提升驾驶者和乘客的舒适体验。此外，该研究方法还可应用于其他领域，如室内空调系统、办公室舒适度评估等，具有广泛的市场应用前景。


通过本文的研究，我们对比了不同深度学习模型在个人热舒适度预测上的性能，并分析了空间注意机制对模型性能的影响。我们的研究成果对于提高汽车内部环境舒适性、改善驾驶者和乘客的体验具有重要意义。

分享到：
 
反对 0 举报 0 收藏 0 打赏 0
  • 汽车测试网V课堂

    汽车测试网V课堂

  • 微信公众号

    微信公众号

  • 汽车测试网手机站

    汽车测试网手机站

• 汽车利用仿真技术辅助的多合一电驱系统的台架耐久工况设计 • 创新驱动：双转子技术助力新型电动机变革
• 车辆操纵稳定性分析及其应用研究 • 新能源汽车中永磁同步电机的振动与噪声控制技术探讨
• 新能源汽车消声室与转鼓试验台的应用与优势 • 新能源汽车驾驶模拟器的应用与发展
• 新能源汽车低温环境模拟试验室的应用与优势 • 新能源汽车转鼓试验台的技术原理与应用
• 商用车新型鼓式制动器：结构优化设计与性能验证 • 商用车新型鼓式制动器有限元模型预处理与结构分析
  • 广告
  • 广告

编辑推荐

最新资讯

  • 广告
  • 广告
沪ICP备11026917号-25