基于LRCN模型和注意力机制的驾驶行为分析
张耀峰1
胡睿泽2
1.湖北经济学院统计与数学学院 武汉 430205;湖北经济学院湖北数据与分析中心 武汉 4302052.湖北经济学院统计与数学学院 武汉 430205
摘要：针对当前基于计算机视觉的不规范驾驶行为分析模型普遍存在的识别计算效率不高、识别准确率欠佳等问题,论文在同时具备处理时序视频输入或单帧图片能力的LRCN模型基础上,并采用训练效率更高的GRU模块替换原始的LSTM模块,提出了一种融合注意力机制的改进LRCN深度学习模型.利用Kaggle上的不规范驾驶行为数据集StateFarm作为训练数据,应用融合注意力机制的改进LRCN模型提出了一种针对不规范驾驶行为的识别框架,实验结果表明论文所提出的框架具有比原始LRCN模型更高的识别准确率和更快的收敛速度.
关键词：驾驶行为深度学习卷积神经网络门控循环单元注意力机制
分类号：TP309.2(计算技术、计算机技术)
资助基金：国家社会科学基金(23ATJ005)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3202-3207 )
英文信息