基于深度学习的驾驶员分心检测理论研究
谢 霄 1,张 宏*1,介智登 1,孙酩皓 1,叶 娟 1,陈宇轩 2,张昊天 3
2024, 49(13):
23-29.
DOI: 10.16638/j.cnki.1671-7988.2024.013.005
文章提出了一种基于改进 Yolov8 的驾驶员分心检测方法,在 Yolov8 的基础上设计了
一种包含小目标检测层和新型连接结构的加权双向特征金字塔网络(BiFPN)。在骨干网络中,
引入了高效多尺度注意力(EMA)机制模块,以加强对关键信息的学习和提取。提出了一种
新型的 C2f 结构,将动态卷积、注意力机制融入到 C2f 中。改进模型的精度提高了 4.6%,同
时参数量降低了 27.1%,一定程度上减小了模型的规模,提高了计算效率。最后在公开数据
集上进行泛化实验,各项评价指标皆优于原模型。因此,文章研究为分心驾驶行为检测领域
提供了一种更高效、更精确的解决方案,为道路安全和交通监管提供有力的支持。
参考文献 |
相关文章 |
计量指标
|