基于CNN和HOG的司机分心检测OA北大核心CSTPCD
DRIVER DISTRACTION DETECTION BASED ON CNN AND HOG
针对现有CNN网络模型只关注网络最后一层的输出而未能充分利用中间层的输出特征,而事实上中间层特征包含很多有用信息,提出一种端到端的提取多阶段中间网络层输出特征,并与HOG(Histogram of Oriented Gradient)特征融合的司机分心检测模型.模型参数量仅为3.6 M,同时采用L2权重正则化、Dropout以及批量正则化对模型性能进行提升.在两个公开的数据集State Farm Distracted Driver Detecti…查看全部>>
Aimed at that the existing CNN network model only pays attention to the output of the last layer of the network without fully utilizing the features of the middle layer,which always contains much useful information,a driver distraction detection model is proposed,which extracts the output features of the multi-stage middle network layer end-to-end and integrates with HOG features.The parameter number of our model was only 3.6M.We used L2 weight regularizatio…查看全部>>
秦斌斌;钱江波;严迪群;董一鸿
宁波大学信息科学与工程学院 浙江宁波 315211宁波大学信息科学与工程学院 浙江宁波 315211宁波大学信息科学与工程学院 浙江宁波 315211宁波大学信息科学与工程学院 浙江宁波 315211
计算机与自动化
分心检测图像分类HOGCNN
Distraction detectionImage classificationHOGCNN
《计算机应用与软件》 2024 (6)
115-122,8
宁波市自然科学基金项目(2019A610085)浙江省自然科学基金项目(LZ20F020001).
评论