基于改进 YOLOv8 的注意驾驶行为目标检测方法研究
计算机视觉与模式识别
2024-07-08 v2 人工智能
机器学习
摘要
随着深度学习技术的发展，注意力驾驶行为的检测和分类需要更高的准确率。现有的基于深度学习的方法计算密集且参数冗余，限制了实际应用中的效率和准确率。为解决此问题，本研究提出一种改进 YOLOv8 检测方法，基于原始 YOLOv8 模型集成 BoTNet 模块、GAM 注意力机制和 EIoU 损失函数。通过优化特征提取和多尺度特征融合策略，简化了训练和推理过程，显著提高了检测准确率和效率。实验结果表明，改进模型在检测速度和准确率方面表现良好，准确率达 99.4%，且模型更小且易于部署，能够实时识别和分类注意力驾驶行为，提供及时警报，提高驾驶安全。
引用
@article{arxiv.2407.01864,
title = {Research on target detection method of distracted driving behavior based on improved YOLOv8},
author = {Shiquan Shen and Zhizhong Wu and Pan Zhang},
journal= {arXiv preprint arXiv:2407.01864},
year = {2024}
}
备注
Major revision on content, no replacement available soon