典型文献
基于类间距优化的分心驾驶行为识别模型训练方法
文献摘要：
分心驾驶行为识别任务可以看作细粒度图像分类任务,即图像中较小区域所包含的特征决定了该图像的类别,如一张图像是正常驾驶还是与副驾驶聊天完全由驾驶员的脸部朝向来决定.对于那些图像差异很小的类别,图像分类通常训练方法训练出的模型无法高精度地区分.针对这一问题,提出了基于类间距优化的分心驾驶行为识别模型训练方法,通过增大模型从异类图像所提取特征向量之间的欧式距离,使得模型学到可以区分那些图像差异很小的类别的细微特征,进而提高模型对这些类别的分类准确率.该方法实现了端到端的模型训练,既不增加模型的推理时延,又不引入额外监督信息.State Farm数据集上的试验表明,与图像分类通常训练方法比,该训练方法有效提高了模型的准确率.
文献关键词：
分心驾驶行为识别;类间距优化;特征向量;图像分类
中图分类号：
作者姓名：
张斌;付俊怡;夏金祥
作者机构：
电子科技大学信息与软件工程学院,成都 610051;中国地质大学(武汉)经济管理学院,武汉 430000
文献出处：
引用格式：
[1]张斌;付俊怡;夏金祥-.基于类间距优化的分心驾驶行为识别模型训练方法)[J].汽车工程,2022(02):225-232
A类：
类间距优化
B类：
分心驾驶行为识别,识别模型,模型训练,训练方法,细粒度图像分类,分类任务,小区域,如一,一张图,像是,副驾驶,聊天,全由,驾驶员,脸部,朝向,向来,像差,方法训练,练出,大模型,异类,提取特征,特征向量,欧式距离,学到,细微特征,分类准确率,端到端,时延,监督信息,State,Farm
AB值：
0.274269
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
