基于遞歸全對場變換模型圖像處理的駕駛?cè)诵袨樽R別

摘要： 【目標(biāo)】通過構(gòu)建多源信息融合神經(jīng)網(wǎng)絡(luò)模型，提升復(fù)雜駕駛場景下駕駛?cè)诵袨樽R別的準(zhǔn)確率和實(shí)時性，突破傳統(tǒng)深度網(wǎng)絡(luò)計算效率瓶頸，保障交通運(yùn)行安全。【方法】構(gòu)建駕駛?cè)诵袨閿?shù)據(jù)集Driver-seq,包括5種正常駕駛行為和5種不良駕駛行為，采用遞歸全對場變換(RAFT)算法進(jìn)行圖像數(shù)據(jù)預(yù)處理，通過運(yùn)動特征增強(qiáng)削弱復(fù)雜背景噪聲的干擾。通過構(gòu)建基于RAFT的輕量化駕駛?cè)诵袨樽R別模型，引入光流... （共8頁）