摘要
传统的安全驾驶检测方法在检测实时性和准确性方面存在明显不足,无法适应实时性要求较高的驾驶监控场景。为解决这一问题,提出了一种基于单阶段多尺度的安全驾驶检测方法——GSNet(一种创新的安全驾驶检测方法模型)。GSNet在采用图像分类方式的基础上,结合层次化网络设计理念,同时借助分组下采样层(grouped downsampling layer,GDS Layer)和特征提取模块实现高效的特征提取与处理。为验证所提出方法的有效性,在动作识别常用的HMDB51(Human Motion Database 51)数据集上设计并开展了系列实验。实验结果显示,GSNet在HMDB51数据集上的Top-1准确率达到85.00%,Top-5准确率为97.35%,且延迟仅为5.97 ms,具有优异的准确性和实时性。该模型克服了传统方法的复杂性,为安全驾驶检测提供了一种高效的解决方案。
出处
《电子产品世界》
2025年第6期10-16,共7页
Electronic Engineering & Product World
基金
辽宁省大学生创新创业基金项目。
