基于迁移学习的驾驶分心行为识别及模型解释

摘要：

为了提高驾驶分心识别的应用性及识别模型的可解释性,利用迁移学习方法研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研究对模型进行解释.以VGG-16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,采用合并后的数据集进行模型训练和验证.利用Grad-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域对模型进行了解释.结果表明:所构建模型在测试集中的平均识别准确率达98.89％,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.

关键词：驾驶分心、行为识别、迁移学习、神经网络可视化、重点关注区域

所属期刊栏目：21

分类号：X910(安全科学基础理论)

资助基金：国家重点研发计划;国家自然科学基金;陕西省自然科学基础研究计划;广西高校中青年教师基础能力提升

在线出版日期：2021-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2967-2973