基于3DCNN的驾驶员细微动作识别

Qin Kang,Zhang Xiaojun,Zhang Minglu, Yang Yakun

Electronic Measurement Technology（2023）

引用 0|浏览4

暂无评分

摘要

针对驾驶员相似的背景下的细微动作的动作识别,提出了一种基于X3D卷积神经网络 X3D-M-GC-AE.通过引入轻量级的自注意力网络GCNet,提高对时间和空间关键特征的关注度,不引入参数量的情况下,提高检测精度;设计了一种运动增强模块,使网络对时序上的运动信息更加敏感;引入知识蒸馏,将 X3D-XL 作为教师网络,X3D-M-GC-AE作为学生网络,可以使用较少的参数量和计算量,达到可以实车应用的程度.实验结果表明教师网络测试精度最高可以达到 75.56％,学生网络最高可以达到 71.13％,该框架在车载硬件设备要求较低的情况下能够实现较高精度的检测效果.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要