Resumen de IA explicable en detección de emociones y somnolencia para ADAS

Diego Caballero García Alcaide, María Paz Sesmero Lorente, José Antonio Iglesias Martínez, María Araceli Sanchís de Miguel

• español

  Los Sistemas Avanzados de Asistencia a la Conducción (ADAS) son cruciales para mejorar la seguridad vial. Este trabajo explora la aplicación de la Inteligencia Artificial Explicable (XAI) para analizar y comparar el comportamiento de modelos de aprendizaje profundo, específicamente Redes Neuronales Convolucionales (CNN), en la detección de emociones y estados de somnolencia en conductores. Mediante técnicas de XAI, se investigan los procesos de toma de decisiones de los modelos, ofreciendo transparencia e interpretabilidad. Se discuten los hallazgos sobre cómo los modelos identifican características faciales relevantes para cada tarea y las diferencias inherentes entre la detección de emociones y de somnolencia. Finalmente, se analizan las implicaciones de estos hallazgos para el desarrollo y la confianza en futuros ADAS, destacando el potencial de la XAI para refinar estos sistemas y reducir el número de accidentes de tráfico.

• English

  Advanced Driver Assistance Systems (ADAS) are crucial for enhancing road safety. This work explores the application of Explainable Artificial Intelligence (XAI) to analyze and compare the behavior of deep learning models, specifically Convolutional Neural Networks (CNN), in detecting driver emotions and drowsiness states. Using XAI techniques, the decision-making processes of the models are investigated, offering transparency and interpretability. Findings on how models identify relevant facial features for each task and the inherent differences between emotion and drowsiness detection are discussed. Finally, the implications of these findings for the development and trust in future ADAS are analyzed, highlighting XAI’s potential to refine these systems and reduce the number of traffic accidents.