分心驾驶行为是驾驶过程中普遍存在的问题,对交通安全造成了显著影响。当前分心驾驶识别模型参数量大,识别任务使用数据集多为国外开源数据集。针对上述问题,首先模拟6种驾驶行为构建了数据集。再以孪生网络(Siamese network)为框架,将特征提取层改为轻量化的LightCNN9,并融合注意力机制以更好提取图像特征。针对孪生网络特点修改损失函数为二类分交叉熵损失函数(BCE Loss function)。通过自建数据集进行模型训练、测试后,使用开源数据集验证模型可靠性,实验结果表明:检测准确度达到97.2%,模型参数大小6.26 M,验证准确度达到96.4%。消融实验结果表明:map_0.5达到96.6%,说明模型在分心驾驶识别任务上有着较好可靠性与效果。
暂无评论