资料下载
×
基于迁移学习的驾驶分心行为识别模型
消耗积分:0 |
格式:pdf |
大小:2.62 MB |
2021-04-30
分享资料个
为了提高驾驶分心识别的应用性及识别模型的可解释性，利用迁移学习方法硏究构建驾驶人驾驶分心行为识别模型并采用神经网络可视化技术硏究对模型进行解释。以ⅤGσ-6模型为基础，对原模型全连接层进行修改以适应驾驶分心行为识别任务，将原数据集中的10类驾驶行为按照所包含的分心类型合并为6类，采用合并后的教据集进行模型训练和验证。利用σrad-Cam方法提取了模型在识别不同驾驶行为时的重点关注区域并进行可视化，对照各分心行为的特点及模型分类时的重点关注区城对模型进行了解释。结果表眀：所构建模型在测试集中的平均识別准确率达θ8.89%，经过训练的模型已具备了定位各驾驶行为的关键特征并据此判别行为类别的能力。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
