典型文献
双线性融合网络的驾驶员分心行为识别
文献摘要：
准确识别驾驶员的分心行为能够从源头上减少交通事故的发生.传统的识别方法类别少,准确率不高,对此,引入并改进残差神经网络(ResNet-50)对驾驶员分心行为进行识别.为了进一步提高模型特征的提取能力,从改进后的ResNet-50和EfficientNet-B0模型中提取特征,并将其双线性融合,从而进一步提高模型的识别准确率.通过对正常驾驶、玩手机、打电话、喝水、向后座拿东西、与副驾交谈6种驾驶员的行为进行测试,改进后ResNet-50模型的平均识别准确率达94.2％.将改进后的ResNet-50与EfficientNet-B0模型进行融合,融合模型的平均识别准确率高达96.7％.实验结果表明,该方法对驾驶员分心行为的检测有较好的分类效果.
文献关键词：
分心行为识别;深度学习;ResNet-50;双线性融合
中图分类号：
作者姓名：
柳长源;虎浩媛;毕晓君
作者机构：
哈尔滨理工大学 测控技术与通信工程学院,哈尔滨150080;中央民族大学 信息工程学院,北京100081
文献出处：
引用格式：
[1]柳长源;虎浩媛;毕晓君-.双线性融合网络的驾驶员分心行为识别)[J].北京邮电大学学报,2022(02):79-84
A类：
B类：
双线性融合,融合网络,驾驶员分心,分心行为识别,准确识别,头上,少交,交通事故,残差神经网络,ResNet,模型特征,特征的提取,EfficientNet,B0,提取特征,识别准确率,玩手,打电话,喝水,后座,交谈,融合模型,分类效果
AB值：
0.330711
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。
