模块自适应对抗训练框架

抗噪鲁棒提升20%

该框架通过模块级噪声注入和动态权重积累适应，在多模态认知状态识别中同时提升鲁棒性与可靠性。

Tianyuan, Zhang · Lu, Wang · Jiaqi, Kang · Jiangfan, Liu · Xinwei, Zhang · Yuwei, Chen · 张明川 · Jiakai, Wang · 刘艾杉 · 刘祥龙

Pattern Recognition 2027

参数信息

平均性能提升

20.40 %

技术优势

分支动态平衡

根据训练中累积效应动态调整各分支权重，平衡眼动与行为信号的贡献。

应用场景

• 驾驶员状态监测：实时识别驾驶员疲劳或分心，减少事故风险。
• 自动驾驶人机共驾：在人对车信任不足时，系统接管更安全。
• 多模态感知融合：融合眼动与行为信号，提高识别可靠性。
• 人机交互安全：实时监测操作者状态，防止危险误操作。