基于深度学习的驾驶员分心检测理论研究

文章提出了一种基于改进Yolov8的驾驶员分心检测方法,在Yolov8的基础上设计了一种包含小目标检测层和新型连接结构的加权双向特征金字塔网络(BiFPN)。在骨干网络中,引入了高效多尺度注意力(EMA)机制模块,以加强对关键信息的学习和提取。提出了一种新型的C2f结构,将动态卷积、注意力机制融入到C2f中。改进模型的精度提高了4.6%,同时参数量降低了27.1%,一定程度上减小了模型的规模,提高了计算效率。最后在公开数据集上进行泛化实验,各项评价指标皆优于原模型。因此,文章研究为分心驾驶行为检测领域提供了一种更高效、更精确的解决方案,为道路安全和交通监管提供有力的支持。