来源：期刊VIP网 时间：
作者：宋英华;郭雅倩;张远进;
单位：武汉理工大学中国应急管理研究中心;武汉理工大学安全科学与应急管理学院;
摘要：为了解决传统驾驶员分心行为识别模型准确率过度依赖大样本数据集、耗时较长等问题，提出了一种结合迁移学习策略和卷积神经网络模型的方法来对驾驶员分心行为进行识别。首先在模型中引入ImageNet数据集上训练好的网络权重，冻结网络的卷积层；然后去掉原网络中的全连接层，重新添加输出维度为10的FC层；最后在验证集上对比基于迁移学习策略模型与原网络模型的识别精度。结果表明，基于迁移学习策略的分心行为识别模型比原网络模型的平均准确率提升了约4%，显著提高了分心行为的识别率。本研究结果可为驾驶员分心行为识别提供理论与技术支持。
关键词：迁移学习;深度学习;分心行为识别;驾驶安全
基金资助：湖北省自然科学基金项目(2021CFB017); 安全预警与应急联动技术湖北省协同创新中心开放课题重点项目(AY2023-1-3)
