基于遷移學習和深度學習的駕駛員分心行為識別研究

摘要： 為了解決傳統(tǒng)駕駛員分心行為識別模型準確率過度依賴大樣本數(shù)據(jù)集、耗時較長等問題，提出了一種結合遷移學習策略和卷積神經(jīng)網(wǎng)絡模型的方法來對駕駛員分心行為進行識別。首先在模型中引入ImageNet數(shù)據(jù)集上訓練好的網(wǎng)絡權重，凍結網(wǎng)絡的卷積層；然后去掉原網(wǎng)絡中的全連接層，重新添加輸出維度為10的FC層；最后在驗證集上對比基于遷移學習策略模型與原網(wǎng)絡模型的識別精度。結果表明，基于遷移學習策略... （共8頁）