基于卷积神经网络的分心驾驶行为识别

摘要：

针对分心驾驶行为识别,提出基于ResNet18的多标签分心驾驶行为识别方法和基于迁移学习的多分类分心驾驶行为识别方法.首先基于ResNet18模型连接多个全连接层,对多种行为进行多标签识别;然后利用迁移学习,提出基于改进的ResNet34模型进行多分类识别.实验结果表明:文章提出的改进算法对分心驾驶行为识别的准确率最高可达93.5％,该改进算法对分心驾驶识别具有较好的可行性和有效性.

关键词：深度学习;卷积神经网络;迁移学习;模式识别;分心驾驶行为

分类号：TP181(自动化基础理论)

资助基金：泉州市科技计划项目;福建省信息处理与智能控制重点实验室闽江学院开放基金项目

在线出版日期：2022-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37