典型文献
基于深度学习的驾驶员分心行为识别模型
文献摘要：
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.
文献关键词：
驾驶员分心;注意力;深度学习;多尺度卷积
中图分类号：
作者姓名：
成福朋;赵芸
作者机构：
浙江科技学院信息与电子工程学院,杭州310023
文献出处：
引用格式：
[1]成福朋;赵芸-.基于深度学习的驾驶员分心行为识别模型)[J].智能计算机与应用,2022(01):46-52
A类：
Distracted
B类：
驾驶员分心,分心行为识别,识别模型,VGG16,参数量,分类准确率,MCAM,MCM,MSE,卷积特征,特征图,卷积核,核对,行空,空间信息,信息提取,通道注意力,一维卷积,全连接层,参数问题,非对称卷积,State,Farm,Driver,心数,上达,识别准确率,多尺度卷积
AB值：
0.378167
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。
