一种基于深度可分离卷积和多频谱注意力的分心驾驶检测方法

本发明提供了一种基于深度可分离卷积和多频谱注意力的分心驾驶检测方法，该方法包括以下步骤：首先，使用基于深度可分离卷积的特征提取模块对输入的驾驶员图像进行高效的特征提取，以减少模型的计算复杂度和参数数量；其次，设计并集成多频谱注意力机制，通过对不同频谱信息的自适应关注，增强模型对关键特征的捕捉能力，从而提高分心驾驶检测的准确率；然后，采用数据增强技术对训练数据进行多样化处理，以提升模型的泛化能力；最后，构建一个包含最大池化层和分类器的深度神经网络架构，实现对分心驾驶行为的实时检测和分类。与现有技术方案相比，本发明具有以下优点：1)通过引入深度可分离卷积，显著降低了模型的计算量和参数规模，提高了训练和推理的效率；2)多频谱注意力机制增强了模型对关键特征的关注能力，提升了分心驾驶检测的准确率；3)优化的数据增强策略提高了模型的泛化性能，减少了过拟合的风险；4)整体模型架构简洁，便于在实际应用中部署和扩展。