基于迁移学习的驾驶分心行为识别及模型解释

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。

银行业网点增设选址的研究———以天津市河西区为例

近年互联网经济迅速崛起,市场竞争日趋激烈,金融监管改革不断深化,均倒逼商业银行的渠道建设、经营模式、发展方式等都要进行与时俱进的深刻改变。 银行网点作为银行机构的先锋阵地,其优化转型首当其冲,网点布局的优化、网点定位优化、网点服务转型优化成为主要方向。 优化转型应以围绕客户为核心进行,客户需求的改变引领了未来物理网点的建设趋势。文章基于天津市 2015~2019 年的数据及实地考察,采用了多维度测算的整体思路,通过区域面积、区域人口、商业情况、同业竞争等维度,以天津市河西区的实际视角,阐明了银行业网点增设选址的研究各方面的影响因素及重点关注区域。