10.3969/j.issn.2095-2163.2022.01.009
基于深度学习的驾驶员分心行为识别模型
针对VGG16网络识别驾驶员分心时参数量多、分类准确率低的问题,提出了一种基于多尺度通道的分类模块MCAM.分类模块MCAM包括MCM模块和MSE模块.MCM模块将卷积特征图分离为4个子特征图,使用不同的卷积核对4个子特征图进行空间信息提取,以期提高分类准确率;MSE模块为改进的通道注意力,其使用一维卷积来改进原始通道注意力中的全连接层,降低了全连接层大量参数问题.将MCAM嵌入VGG16中,并使用非对称卷积辅助降低参数量.实验结果表明,使用MCAM模块在State Farm Distracted Driver分心数据集上达到了97.50%的识别准确率,并降低了VGG16网络的参数量.
驾驶员分心、注意力、深度学习、多尺度卷积
12
TP183(自动化基础理论)
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
46-52