来源：期刊VIP网 时间：
作者：杜威;宁武;孟丽囡;陈雨潼;
单位：辽宁工业大学电子与信息工程学院;
摘要：针对现有疲劳驾驶检测报警不及时、检测精度不高以及需要人为监管的问题，提出一种改进YOLOv5s的疲劳驾驶目标检测算法。该算法使用轻量的EfficientNet骨干网络作为YOLOv5s的主干网络来进行特征提取，使模型参数大幅减少，降低模型的训练时间；同时选用SIoU作为模型的损失函数，优化模型损失计算方法，提升模型的检测精度。结果表明，优化后的YOLOv5s目标检测算法与原YOLOv5s相比，模型尺寸减少了2%，平均准确率提升了0.9%，能够有效提升矿用生产车疲劳驾驶目标的检测效果。
关键词：矿用生产车;;疲劳检测;;YOLOv5s;;EfficientNet;;损失函数;;特征提取;;迁移学习;;模型优化
基金资助：辽宁省教育厅基本科研项目（LJKFZ20220238）
