摘要
本发明涉及目标检测领域,涉及一种基于RGCfusion的危险驾驶行为检测方法,收集多张机动车驾驶员在开车时进行不同类型的危险驾驶的图片;搭建RGCfusion‑YOLO模型,利用RGCSPELAN模块替换YOLOv8模型中的C2f模块,在neck层与检测头之间增加CGAFusion特征融合模块或在neck层与检测头之间增加CAAFusion特征融合模块;对RGCfusion‑YOLO模型进行训练;利用训练后的RGCfusion‑YOLO模型进行危险驾驶行为检测。与现有技术相比,本发明通过对YOLOv8模型进行改进,引入RGCSPELAN模块和Fusion特征融合模块对不同类型的危险驾驶的图片进行检测分类,这样不仅仅增加识别的准确性,并且减少了对驾驶员的驾驶操作难度。
技术关键词
YOLO模型
模块
全局平均池化
检测头
图片
Sigmoid函数
sigmoid函数
代表
内核
洗牌
机动车
通道
注意力
信道
训练集
编码器
元素
参数
分支
格式
系统为您推荐了相关专利信息
光纤网络
管控平台
双模态探针
可信执行环境
网络安全状态
颗粒物浓度传感器
调控算法
清洁机构
清洗液
子模块
红外图像融合方法
可见光图像
残差模块
注意力
多尺度
定位方法
性能指标数据
节点特征
电子设备
可读存储介质