公开(公告)号：CN118447487B

公开(公告)日：2025-03-18

申请号：CN202410664375.1

申请日：2024-05-27

Applicant: 济南大学

Inventor： 杨晓晖 ,  李坤彪 ,  王静 ,  司统振 ,  张风

IPC: G06V20/59 ,  G06V40/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提出了一种基于局部与全局知识蒸馏的驾驶分心检测方法及系统，通过在教师网络中引入分组卷积技术能够有效降低模型的参数量和计算复杂度，同时保持特征提取的有效性，使得模型在有限的计算资源下仍能提取丰富的特征信息。引入了注意力机制，能够使模型自适应地关注图像中与驾驶分心行为最相关的区域，显著提升了特征的表征能力，使得模型能够更加专注于关键信息；采用局部蒸馏和全局蒸馏相结合的方式，使得学生网络在推理阶段能够更全面地分析驾驶员行为，提高检测的准确性，使得学生网络能够在保持较低参数量的情况下达到与教师网络相近的检测精度。

公开(公告)号：CN118447487A

公开(公告)日：2024-08-06

申请号：CN202410664375.1

申请日：2024-05-27

Applicant: 济南大学

Inventor： 杨晓晖 ,  李坤彪 ,  王静 ,  司统振 ,  张风

IPC: G06V20/59 ,  G06V40/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提出了一种基于局部与全局知识蒸馏的驾驶分心检测方法及系统，通过在教师网络中引入分组卷积技术能够有效降低模型的参数量和计算复杂度，同时保持特征提取的有效性，使得模型在有限的计算资源下仍能提取丰富的特征信息。引入了注意力机制，能够使模型自适应地关注图像中与驾驶分心行为最相关的区域，显著提升了特征的表征能力，使得模型能够更加专注于关键信息；采用局部蒸馏和全局蒸馏相结合的方式，使得学生网络在推理阶段能够更全面地分析驾驶员行为，提高检测的准确性，使得学生网络能够在保持较低参数量的情况下达到与教师网络相近的检测精度。